In-the-wild 데모 B200 재현 (H200 → B200 이전 후)

TL;DR

10/10 클립 완료: results/261004_itw_42/, 각 49프레임 1232x448
속도: 약 9.0 s/it × 50 step ≈ 7.5분/클립 (GPU 메모리 68 GiB, RAM 93 GiB)
수정 2건: inference_all_fast.py:376-378 죽은 코드 주석, camera_params_aligned.json(10개) 신규
주의: ~/template.sh는 종료 코드를 넘기지 않아 크래시 job도 `COMPLETED`로 표시

10/10

클립 완료

7.5분

클립당 시간

68GiB

GPU 메모리

job (크래시 2)

1 배경 / 목적

Exo-to-Ego_Wan2.1_finetune 레포를 H200에서 B200(~/repos/EgoX_H200)으로 옮긴 뒤, 수동 ego pose 10클립 데모가 같은 품질로 나오는지 확인. 이전 시도 results/260225_itw_42/는 빈 폴더였다.

2 작업 내용

환경: 기존 egoxv2 사용. requirements 핀(diffusers 0.34.0 / transformers 4.49.0 / accelerate 1.5.2) 일치, torch 2.12 dev cu128 경로: ~/dohyeon → EgoX_H200/_external/dohyeon, ~/repos/Exo-to-Ego_Wan2.1_finetune → EgoX_H200 심볼릭 링크 inthewild_dataset/은 1차 마이그레이션 누락 → 추가 rsync 스크립트: scripts/inference_itw_b200.sh 신규 (기존은 GPU_IDS=7 고정). IDX/START_IDX/END_IDX/SEED/OUT 지원 수정 1: inference_all_fast.py:376-378 cos_sim = sum(point_vecs*cam_rays) — [B,56,98,3]*[B,56,56,3] 불일치. 391행에서 덮어써지는 죽은 코드, 다른 inference_*.py는 이미 주석 → 동일 처리 수정 2: ego_prior_datasets_split_with_camera_params.json 11개(ironman_old 포함) vs exo_GT_paths.txt 10개 → idx 2부터 한 칸씩 밀림, idx 2 depth 폴더 없어 torch.cat() empty list 크래시 → dataset/in_the_wild_supple/camera_params_aligned.json(10개) 생성 제출: sbm "bash scripts/inference_itw_b200.sh" --qos=extra --gres=gpu:1 -c 8 --mem 200GB

3 결과

job	결과
173089	cos_sim 크래시
173127	joker·ironman 후 meta 불일치 크래시
173175	5개 추가 후 44분에 PREEMPTED
173228 (sbmr 3, START_IDX=7)	27분 30초, yamamoto/tabletennis/halland 완료

육안 확인: 10개 모두 ego 시점으로 손·물체·배경 생성. joker는 2025-11 결과(results/All_concat_itw_1120)와 동급. yamamoto(투수 시점 타자·포수), tabletennis(상대 선수와 탁구대), halland(키커 시점, 발과 골대 방향 잔디).

4 Takeaway

의미

B200에서 in-the-wild 데모가 재현된다. 실패 원인 두 건은 모두 코드/데이터 상태 문제로 서버 이전과 무관. sacct COMPLETED는 성공을 보장하지 않으므로 로그/출력 파일로 확인해야 한다.

5 Next Steps

미해결 한계

inference_all_fast.py는 depth intrinsic을 Ego4D GT(fx 1238.97 @ cx 1920)로 고정 — 실제(joker fx 634 @ cx 392)와 다르나 기존 결과와 맞추려 유지. djokovic 등에서 ego 쪽 색이 청록으로 치우침(클레이 코트), 이전 결과에도 있던 경향인지 미확인.

다음 실험

클립별 ViPE intrinsic 적용 시 4diff attention 변화 비교. 색 치우침이 모델/prior 어느 쪽 원인인지 분리 (유튜브 배치의 파란 톤 실패와 연결).