Motion-X: 一个大规模的3D富表现力全身人体运动数据集
本仓库包含以下论文的实现：
Motion-X: 一个大规模的3D富表现力全身人体运动数据集 <br>林静<sup>😎12</sup>, 曾爱玲<sup>😎🤗1</sup>, 陆顺林<sup>😎13</sup>, 蔡元浩<sup>2</sup>, 张瑞茂<sup>3</sup>, 王浩骞<sup>2</sup>, 张磊<sup>1</sup><br> <sup>😎</sup>贡献相同。 <sup>🤗</sup>通讯作者。<sup>
<sup>1</sup>国际数字经济研究院 <sup>2</sup>清华大学 <sup>3</sup>香港中文大学（深圳）<sup>
🥳 新闻
- [2024.4.25] 我们正在开发Motion-X的新版本，称为Motion-X++。它有以下更新：i) 更多配对模态，包括视频、全身2D关键点、局部和全局全身SMPL-X、文本和音频（如果视频有）；ii) 更好的质量，如手动场景检测以实现时间连贯的视频片段、更稳定的运动注释，以及通过GPT4V和Vicuna改进的语义视频描述和全身姿势描述。我们已发布IDEA400子集，并将在同一目录中发布其他子集。有关数据预处理和加载的详细说明，请参阅此 文档。
- [2024.2.6] 我们发布了自录的IDEA400视频和相应的SMPL-X，以支持(a)全身局部或全局姿势估计和(2)运动条件视频生成。请查看邮件。
- [2024.1.9] 我们更新了每个全身姿势的帧级文本描述。请在此处下载，并参考此使用指南。
- [2023.12.22] 我们更新了由Vicuna 1.5增强的序列运动文本描述（text_v1.1），以提高文本的标准化和多样性。请通过此链接下载并替换原始文件motionx_seq_text.zip。非常感谢陈凌浩对文本标签的完善！
- [2023.11.15] 我们在DDS平台上发布了所有子集的SMPL-X渲染可视化，以便快速查看内容。
- [2023.11.15] 我们发布了HumanTOMATO运动表示（
tomato表示）和拆分文件。 - [2023.10.26] 我们发布了Motion-X-V1，提供与SMPL-X序列对应的语义文本标签、面部表情运动以及用于增强一些没有面部表情的运动的相应文本。请查看您的邮件！
- [2023.10.26] 我们发布了一个高质量的单目数据集，名为IDEA400，作为Motion-X的子集，包含丰富的表情和手势。查看此视频了解更多详情。
📜 待办事项
- 发布全身姿势描述。
- 收 集更多运动数据集（例如，音乐到舞蹈、音频到手势的运动）。
- 在得到视频所有者的同意后发布视频。
- 如果需要运动，发布音频和音乐。
敬请期待！
🥳 亮点运动样本
<img src="https://yellow-cdn.veclightyear.com/ab5030c0/8930af91-5944-4de5-8708-f22ede2d2a23.gif" width="100%">📊 目录
📜 一般描述
我们提出了一个高精度和高效的全身运动及相应文本标签的注释流程。基于此，我们从大量在线视频和八个现有运动数据集构建了一个大规模的3D富表现力全身人体运动数据集。我们将它们统一为相同的格式，提供全身运动（即SMPL-X）和相应的文本标签。
Motion-X的标签：
- 运动标签：包括
1560万个全身姿势和8.11万个运动片段注释，以SMPL-X参数表示。所有运动已统一为30帧每秒。 - 文本标签：(1)
1560万个帧级全身姿势描述和(2)8.11万个序列级语义标签。 - 其他模态：RGB视频、音频和音乐信息。
支持的任务：
- 文本驱动的3D全身人体运动生成
- 3D全身人体网格恢复
- 其他：运动预训练、用于运动理解和生成的多模态预训练模型等。
📥 数据集下载
我们以与原始数据源一致的方式发布Motion-X。以下是操作说明：
1. 请求授权
请填写此表单以申请授权非商业用途的Motion-X。之后您将收到一封邮件，请从提供的下载链接下载动作和文本标签。姿势文本可以从这里下载。请从下载的motionx_pose_text.zip中提取body_texts文件夹和hand_texts文件夹。（注意：我们于2023年10月29日更新了motionx_seq_face_text.zip和motionx_face_motion.zip的百度网盘链接。因此，如果您在10月29日之前通过百度网盘下载了这些压缩包，请填写表单并重新下载。）
请按以下目录结构收集它们：
../datasets
├── motion_data
├── smplx_322
├── idea400
├── ...
├── face_motion_data
├── smplx_322
├── humanml
├── EgoBody
├── GRAB
├── texts
├── semantic_labels
├── idea400
├── ...
├── face_texts
├── humanml
├── EgoBody
├── GRAB
├── idea400
├── ...
├── body_texts
├── humanml
├── EgoBody
├── GRAB
├── idea400
├── ...
├── hand_texts
├── humanml
├── EgoBody
├── GRAB
├── idea400
├── ...
2. 非动作捕捉子集
对于非动作捕捉子集，请参考此链接获取详细说明，特别注意：
- 我们不分发原始RGB视频。我们提供由我们团队标 注的动作和文本标签。
- 由于许可和质量考虑，我们不提供NTU-RGBD120。相反，我们构建了IDEA400，其中包括400个日常动作（覆盖NTU-RGBD120）。请参考这个视频获取详细介绍。
3. 动作捕捉子集
对于动作捕捉数据集（即AMASS、GRAB、EgoBody），请参考此链接获取详细说明，特别注意：
- 我们不分发原始动作数据。
- 我们只提供由我们团队标注的文本标签和面部表情。
AMASS和GRAB数据集由马克斯·普朗克智能系统研究所根据自定义许可发布，用于学术研究。要下载AMASS和GRAB，您必须在数据集网站上注册为用户，并同意每个许可的条款和条件：
https://amass.is.tue.mpg.de/license.html
https://grab.is.tuebingen.mpg.de/license.html
最终，数据集文件夹按以下目录结构收集：
../datasets
├── motion_data
├── smplx_322
├── humanml
├── EgoBody
├── GRAB
├── idea400
├── ...
├── texts
├── semantic_labels
├── idea400
├── ...
├── face_texts
├── humanml
├── EgoBody
├── GRAB
├── idea400
├── ...
├── body_texts
├── humanml
├── EgoBody
├── GRAB
├── idea400
├── ...
├── hand_texts
├── humanml
├── EgoBody
├── GRAB
├── idea400
├── ...
🚀 数据加载
-
要加载动作和文本标签，您可以简单地执行以下操作：
import numpy as np import torch # 读取动作并保存为smplx表示 motion = np.load('motion_data/smplx_322/000001.npy') motion = torch.tensor(motion).float() motion_parms = { 'root_orient': motion[:, :3], # 控制全局根方向 'pose_body': motion[:, 3:3+63], # 控制身体 'pose_hand': motion[:, 66:66+90], # 控制手指关节 'pose_jaw': motion[:, 66+90:66+93], # 控制下巴姿势 'face_expr': motion[:, 159:159+50], # 控制面部表情 'face_shape': motion[:, 209:209+100], # 控制面部形状 'trans': motion[:, 309:309+3], # 控制全局身体位置 'betas': motion[:, 312:], # 控制身体形状。身体形状是静态的 } # 读取文本标签 semantic_text = np.loadtxt('semantic_labels/000001.npy') # 语义标签
💻 可视化
我们支持从相机空间和世界空间进行可视化，请参考这个指南。
💻 实验
动作标注流程的验证
我们的标注流程显著超越了现有的最先进的2D全身模型和网格恢复方法。
文本驱动的全身人体动作生成基准测试
与HumanML3D在全身人体动作生成任务上的比较
对3D全身人体网格恢复的影响
🤝 引用
如果您发现这个仓库对您的工作有用，请考虑按以下方式引用它：
@article{lin2023motionx,
title={Motion-X: A Large-scale 3D Expressive Whole-body Human Motion Dataset},
author={Lin, Jing and Zeng, Ailing and Lu, Shunlin and Cai, Yuanhao and Zhang, Ruimao and Wang, Haoqian and Zhang, Lei},
journal={Advances in Neural Information Processing Systems},
year={2023}
}
编辑推荐精选
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
Hunyuan3D-2
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。
3FS
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储 和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号