<a href="https://pytorch.org/get-started/locally/"><img alt="PyTorch" src="https://img.shields.io/badge/PyTorch-ee4c2c?logo=pytorch&logoColor=white"></a> <a href="https://wham.is.tue.mpg.de/"><img alt="项目" src="https://img.shields.io/badge/-Project%20Page-lightgrey?logo=Google%20Chrome&color=informational&logoColor=white"></a>
https://github.com/yohanshin/WHAM/assets/46889727/da4602b4-0597-4e64-8da4-ab06931b23ee
这个仓库是WHAM: 利用准确的3D运动重建世界坐标系下的人体的官方Pytorch实现。欲了解更多信息,请访问我们 的项目页面。
详细信息请参见安装。
要下载SMPL身体模型(中性、女性和男性),您需要注册SMPL和SMPLify。在获取演示数据时,将使用这两个主页的用户名和密码。
接下来,运行以下脚本以获取演示数据。该脚本将下载所有必需的依赖项,包括训练好的模型和演示视频。
bash fetch_demo_data.sh
您可以尝试一个示例视频:
python demo.py --video examples/IMG_9732.mov --visualize
我们假设相机焦 距遵循CLIFF。您可以为SLAM指定已知的相机内参[fx fy cx cy],如下面的演示示例:
python demo.py --video examples/drone_video.mp4 --calib examples/drone_calib.txt --visualize
如果您只想获取相机坐标系下的运动,可以跳过SLAM。您可以这样运行:
python demo.py --video examples/IMG_9732.mov --visualize --estimate_local_only
您可以使用Temporal SMPLify作为后处理步骤来进一步优化WHAM的结果。这将允许更好的2D对齐以及3D精度。您只需在运行演示时添加--run_smplify
标志即可。
详细信息请参考Docker。
详细信息请参考API。
详细信息请参见数据集。
# 在3DPW数据集上评估 python -m lib.eval.evaluate_3dpw --cfg configs/yamls/demo.yaml TRAIN.CHECKPOINT checkpoints/wham_vit_w_3dpw.pth.tar # 在RICH数据集上评估 python -m lib.eval.evaluate_rich --cfg configs/yamls/demo.yaml TRAIN.CHECKPOINT checkpoints/wham_vit_w_3dpw.pth.tar # 在EMDB数据集上评估(同时计算W-MPJPE和WA-MPJPE) python -m lib.eval.evaluate_emdb --cfg configs/yamls/demo.yaml --eval-split 1 TRAIN.CHECKPOINT checkpoints/wham_vit_w_3dpw.pth.tar # EMDB 1 python -m lib.eval.evaluate_emdb --cfg configs/yamls/demo.yaml --eval-split 2 TRAIN.CHECKPOINT checkpoints/wham_vit_w_3dpw.pth.tar # EMDB 2
WHAM训练包括两个不同的阶段:(1)通过AMASS数据集进行2D到SMPL的提升,以及(2)使用视频数据集进行特征集成的微调。请参见数据集以预处理训练数据集。
python train.py --cfg configs/yamls/stage1.yaml
训练第2阶段需要第1阶段的预训练结果。您可以使用您的预训练结果,或从Google Drive下载权重并保存为checkpoints/wham_stage1.tar.pth
。
python train.py --cfg configs/yamls/stage2.yaml TRAIN.CHECKPOINT <PATH-TO-STAGE1-RESULTS>
待定
我们衷心感谢Hongwei Yi和Silvia Zuffi的讨论和校对。本工作的部分内容是在Soyong Shin在马克斯·普朗克智能系统研究所实习期间完成的。
基本实现大量借鉴了VIBE和TCMR。我们使用ViTPose进行2D关键点检测,使用DPVO和DROID-SLAM提取相机运动。请访问他们的官方网站了解更多详情。
数据预处理
训练实现
Colab演示发布
自定义视频演示
@InProceedings{shin2023wham,
title={WHAM: Reconstructing World-grounded Humans with Accurate 3D Motion},
author={Shin, Soyong and Kim, Juyong and Halilaj, Eni and Black, Michael J.},
booktitle={Computer Vision and Pattern Recognition (CVPR)},
year={2024}
}
详情请参见许可证。
如有任何与本工作相关的问题,请联系soyongs@andrew.cmu.edu。
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。
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。
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。
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。
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。
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。
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 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。
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。
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。
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