NVlabs · metantonio · Jan 30, 2022
diff --git a/README_ESP.md b/README_ESP.md
@@ -0,0 +1,195 @@
+# Instant Neural Graphics Primitives ![](https://github.com/NVlabs/instant-ngp/workflows/CI/badge.svg)
+
+<img src="docs/assets_readme/fox.gif" height="342"/> <img src="docs/assets_readme/robot5.gif" height="342"/>
+
+¿Alguna vez quisiste entrenar un modelo NeRF de un zorro en menos de 5 segundos? ¿O volar alrededor de una escena capturada de fotos de un robot de fábrica? ¡Por supuesto que quisiste!
+
+Aquí encontrará una implementación de cuatro __primitivas redes neuronales gráficas__, siendo estas: campos de radiación neural (NeRF), funciones de distancia con signo (SDFs), imagenes neuronales, y volumen neuronal.
+En cada caso, entrenamos y renderizamos una MLP con codificación de entrada hash multiresolución usando el framework [tiny-cuda-nn](https://github.com/NVlabs/tiny-cuda-nn).
+
+> __Instant Neural Graphics Primitives with a Multiresolution Hash Encoding__  
+> [Thomas Müller](https://tom94.net), [Alex Evans](https://research.nvidia.com/person/alex-evans), [Christoph Schied](https://research.nvidia.com/person/christoph-schied), [Alexander Keller](https://research.nvidia.com/person/alex-keller)  
+> _[arXiv:2201.05989 [cs.CV]](https://arxiv.org/abs/2201.05989), Jan 2022_  
+> __[&nbsp;[Project page](https://nvlabs.github.io/instant-ngp)&nbsp;] [&nbsp;[Paper](https://nvlabs.github.io/instant-ngp/assets/mueller2022instant.pdf)&nbsp;] [&nbsp;[Video](https://nvlabs.github.io/instant-ngp/assets/mueller2022instant.mp4)&nbsp;] [&nbsp;[BibTeX](https://nvlabs.github.io/instant-ngp/assets/mueller2022instant.bib)&nbsp;]__
+
+Para preguntas referentes a negocios, por favor visite nuestro sitio web y envíe el formulario: [NVIDIA Research Licensing](https://www.nvidia.com/en-us/research/inquiries/)
+
+
+## Requisitos:
+
+- Una tarjeta gráfica NVidia __NVIDIA GPU__; Los núcleos tensoriales aumentan el rendimiento cuando están disponibles. Todos los resultados mostrados provienen de un RTX 3090.
+- Un compilador capaz de manejar __C++14__.  Se recomiendan las siguientes opciones y se han probado:
+  - __Windows:__ Visual Studio 2019 (necesita también versión mínima WindowsSDK 8.1)
+  - __Linux:__ GCC/G++ 7.5 or higher
+- __[CUDA](https://developer.nvidia.com/cuda-toolkit) versión v10.2 o mayor__ y __[CMake](https://cmake.org/) v3.19 o mayor__.
+- __(opcional) [Python](https://www.python.org/) 3.7 o mayor__ para encuadernaciones interactivas. También, ejecutar `pip install -r requirements.txt`.
+  - En algunas máquinas, `pyexr` se rehusa instalar vía `pip`. Se puede resolver instalando OpenEXR desde [aquí](https://www.lfd.uci.edu/~gohlke/pythonlibs/#openexr).
+- __(opcional) [OptiX](https://developer.nvidia.com/optix) 7.3 o mayor__ para un entrenamiento SDF de malla más rápido. Establezca la variable de entorno `OptiX_INSTALL_DIR` en el directorio de instalación si no aparece automáticamente.
+
+
+Si está utilizando Linux, instale los siguientes paquetes:
+```sh
+sudo apt-get install build-essential git python3-dev python3-pip libopenexr-dev libxi-dev \
+                     libglfw3-dev libglew-dev libomp-dev libxinerama-dev libxcursor-dev
+```
+
+También recomendamos instalar [CUDA](https://developer.nvidia.com/cuda-toolkit) y [OptiX](https://developer.nvidia.com/optix) en `/usr/local/` y agregar la instalación CUDA en PATH.
+Por ejemplo, si posees CUDA 11.4, agrega lo siguiente a tu `~/.bashrc`
+```sh
+export PATH="/usr/local/cuda-11.4/bin:$PATH"
+export LD_LIBRARY_PATH="/usr/local/cuda-11.4/lib64:$LD_LIBRARY_PATH"
+```
+
+
+## Compilación (Windows & Linux)
+
+Comience clonando este repositorio y todos sus submódulos usando el siguiente comando:
+```sh
+$ git clone --recursive https://github.com/nvlabs/instant-ngp
+$ cd instant-ngp
+```
+Luego, use CMake para compilar el proyecto: (en Windows, esto debe estar en un [símbolo del sistema de desarrollador](https://docs.microsoft.com/en-us/cpp/build/building-on-the-command-line?view=msvc-160#developer_command_prompt))
+```sh
+instant-ngp$ cmake . -B build
+instant-ngp$ cmake --build build --config RelWithDebInfo -j 16
+```
+
+Si la compilación falla, consulte [esta lista de posibles soluciones](https://github.com/NVlabs/instant-ngp#troubleshooting-compile-errors) antes de abrir un issue.
+
+Si el build tiene éxito, puedes ejecutar el software vía `build/testbed` como ejecutable o usar el comando `scripts/run.py`.
+
+Si falla la detección automática de la arquitectura de la GPU (como puede suceder si tiene varias GPU instaladas), configure la variable de entorno `TCNN_CUDA_ARCHITECTURES` para la GPU que le gustaría usar. La siguiente tabla enumera los valores para las GPU comunes. Si su GPU no está en la lista, consulte [aquí una lista exhaustiva](https://developer.nvidia.com/cuda-gpus).
+
+| RTX 30X0 | A100 | RTX 20X0 | TITAN V / V100 | GTX 10X0 / TITAN Xp | GTX 9X0 | K80 |
+|----------|------|----------|----------------|---------------------|---------|-----|
+|       86 |   80 |       75 |             70 |                  61 |      52 |  37 |
+
+
+
+## Entrenamiento interactivo y renderizado
+
+<img src="docs/assets_readme/testbed.png" width="100%"/>
+
+Este código base viene con un banco de pruebas interactivo que incluye muchas características más allá de nuestra publicación académica:
+- Funciones de entrenamiento adicionales, como optimización de elementos extrínsecos e intrínsecos.
+- Cubos de marcha para conversión `NeRF->Mesh` y `SDF->Mesh`.
+- Un editor de ruta de cámara basado en spline para crear videos.
+- Visualizaciones de depuración de las activaciones de cada entrada y salida de neurona.
+- Y muchas más configuraciones específicas de tareas.
+- Vea también nuestro [video de demostración de un minuto de la herramienta](https://nvlabs.github.io/instant-ngp/assets/mueller2022instant.mp4).
+
+
+
+### NeRF fox
+
+Se proporciona una escena de prueba en este repositorio, utilizando una pequeña cantidad de fotogramas de un video de teléfono capturado casualmente.:
+
+```sh
+instant-ngp$ ./build/testbed --scene data/nerf/fox
+```
+
+<img src="docs/assets_readme/fox.png"/>
+
+Alternativamente, descargue cualquier escena compatible con NeRF (e.g. [de la unidad de autores de NeRF](https://drive.google.com/drive/folders/1JDdLGDruGNXWnM1eqY1FNL9PlStjaKWi)).
+Ahora puedes ejecutar:
+
+```sh
+instant-ngp$ ./build/testbed --scene data/nerf_synthetic/lego/transforms_train.json
+```
+
+Para obtener más información sobre cómo preparar conjuntos de datos para su uso con nuestra implementación NeRF, consulte [este documento](docs/nerf_dataset_tips.md).
+
+### SDF armadillo
+
+```sh
+instant-ngp$ ./build/testbed --scene data/sdf/armadillo.obj
+```
+
+<img src="docs/assets_readme/armadillo.png"/>
+
+### Imagen de Einstein
+
+```sh
+instant-ngp$ ./build/testbed --scene data/image/albert.exr
+```
+
+<img src="docs/assets_readme/albert.png"/>
+
+Para reproducir los resultados de gigapíxeles, descargue, por ejemplo, [la imagen de Tokio](https://www.flickr.com/photos/trevor_dobson_inefekt69/29314390837) y conviértalo a `.bin` usando el script `scripts/image2bin.py`. Este formato personalizado mejora la compatibilidad y la velocidad de carga cuando la resolución es alta. Ahora puedes ejecutar:
+
+```sh
+instant-ngp$ ./build/testbed --scene data/image/tokyo.bin
+```
+
+
+### Procesador de volumen
+
+Descarga el [volumen nanovdb para la nube de Disney](https://drive.google.com/drive/folders/1SuycSAOSG64k2KLV7oWgyNWyCvZAkafK?usp=sharing), que se deriva [de aquí](https://disneyanimation.com/data-sets/?drawer=/resources/clouds/) ([CC BY-SA 3.0](https://media.disneyanimation.com/uploads/production/data_set_asset/6/asset/License_Cloud.pdf)).
+
+```sh
+instant-ngp$ ./build/testbed --mode volume --scene data/volume/wdas_cloud_quarter.nvdb
+```
+<img src="docs/assets_readme/cloud.png"/>
+
+
+## Enlaces de Python
+
+Para realizar experimentos controlados de manera automatizada, todas las funciones del banco de pruebas interactivo (¡y más!) tienen enlaces de Python que se pueden instrumentar fácilmente.
+Para ver un ejemplo de cómo se puede implementar y ampliar la aplicación `./build/testbed` desde Python, consulte `./scripts/run.py`, que admite un superconjunto de argumentos de línea de comandos que `./build/testbed` ` hace.
+
+Happy hacking!
+
+
+## Solución de problemas de errores de compilación
+
+Antes de seguir investigando, asegúrese de que todos los submódulos estén actualizados e intente compilar de nuevo.
+```sh
+instant-ngp$ git submodule sync --recursive
+instant-ngp$ git submodule update --init --recursive
+```
+Si __instant-ngp__ aún no se compila, actualice CUDA y su compilador a las últimas versiones que pueda instalar en su sistema. Es fundamental que actualice _ambos_, ya que las versiones más recientes de CUDA no siempre son compatibles con los compiladores anteriores y viceversa.
+Si su problema persiste, consulte la siguiente tabla de problemas conocidos.
+
+| Problem | Resolution |
+|---------|------------|
+| __CMake error:__ No CUDA toolset found / CUDA_ARCHITECTURES is empty for target "cmTC_0c70f" | __Windows:__ the Visual Studio CUDA integration was not installed correctly. Follow [these instructions](https://github.com/mitsuba-renderer/mitsuba2/issues/103#issuecomment-618378963) to fix the problem without re-installing CUDA. ([#18](https://github.com/NVlabs/instant-ngp/issues/18)) |
+| | __Linux:__ Environment variables for your CUDA installation are probably incorrectly set. You may work around the issue using ```cmake . -B build -DCMAKE_CUDA_COMPILER=/usr/local/cuda-<your cuda version>/bin/nvcc``` ([#28](https://github.com/NVlabs/instant-ngp/issues/28)) |
+| __CMake error:__ No known features for CXX compiler "MSVC" | Reinstall Visual Studio & make sure you run CMake from a developer shell. ([#21](https://github.com/NVlabs/instant-ngp/issues/21)) |
+| __Compile error:__ undefined references to "cudaGraphExecUpdate" / identifier "cublasSetWorkspace" is undefined | Update your CUDA installation (which is likely 11.0) to 11.3 or higher. ([#34](https://github.com/NVlabs/instant-ngp/issues/34) [#41](https://github.com/NVlabs/instant-ngp/issues/41) [#42](https://github.com/NVlabs/instant-ngp/issues/42)) |
+| __Compile error:__ too few arguments in function call | Update submodules with the above two `git` commands. ([#37](https://github.com/NVlabs/instant-ngp/issues/37) [#52](https://github.com/NVlabs/instant-ngp/issues/52)) |
+| __Python error:__ No module named 'pyngp' | It is likely that CMake did not detect your Python installation and therefore did not build `pyngp`. Check CMake logs to verify this. If `pyngp` was built in a different folder than `instant-ngp/build`, Python will be unable to detect it and you have to supply the full path to the import statement. ([#43](https://github.com/NVlabs/instant-ngp/issues/43)) |
+
+If you cannot find your problem in the table, please feel free to [open an issue](https://github.com/NVlabs/instant-ngp/issues/new) and ask for help.
+
+## Thanks
+
+Muchas gracias a [Jonathan Tremblay](https://research.nvidia.com/person/jonathan-tremblay) y [Andrew Tao](https://developer.nvidia.com/blog/author/atao/) por probar las primeras versiones de este código base y a Arman Toorians y Saurabh Jain por el conjunto de datos del robot de fábrica.
+También agradecemos a [Andrew Webb](https://github.com/grey-area) por notar que uno de los números primos en el hash espacial no era realmente primo; esto se ha solucionado desde entonces.
+
+Este proyecto hace uso de una serie de impresionantes bibliotecas de código abierto, que incluyen:
+* [tiny-cuda-nn](https://github.com/NVlabs/tiny-cuda-nn) for fast CUDA MLP networks
+* [tinyexr](https://github.com/syoyo/tinyexr) for EXR format support
+* [tinyobjloader](https://github.com/tinyobjloader/tinyobjloader) for OBJ format support
+* [stb_image](https://github.com/nothings/stb) for PNG and JPEG support
+* [Dear ImGui](https://github.com/ocornut/imgui) an excellent immediate mode GUI library
+* [Eigen](https://eigen.tuxfamily.org/index.php?title=Main_Page) a C++ template library for linear algebra
+* [pybind11](https://github.com/pybind/pybind11) for seamless C++ / Python interop
+* and others! See the `dependencies` folder.
+
+¡Muchas gracias a los autores de estos brillantes proyectos!
+
+## Licencia y Citación
+
+```bibtex
+@article{mueller2022instant,
+    title = {Instant Neural Graphics Primitives with a Multiresolution Hash Encoding},
+    author = {Thomas M\"uller and Alex Evans and Christoph Schied and Alexander Keller},
+    journal = {arXiv:2201.05989},
+    year = {2022},
+    month = jan
+}
+```
+
+Copyright © 2022, NVIDIA Corporation. All rights reserved.
+
+This work is made available under the Nvidia Source Code License-NC. Click [here](LICENSE.txt) to view a copy of this license.