【亲测免费】 推荐开源项目:MANO——基于PyTorch的手部模型实现
2026-01-23 06:41:09作者:滑思眉Philip
项目介绍
MANO是一个基于PyTorch实现的手部模型加载器,它源自于MANO手部模型。该项目的代码基于Vassilis Choutas开发的smplx包。MANO是一个可微分的 hand model,能够将手部姿态参数(关节角度和根位置)和形状参数映射到一个3D手部网格。该模型非常逼真,维度低,适用于任何人类手部。
此项目最初是为了在GrabNet模型中使用,以生成未见过的3D物体的逼真手部抓取。

项目技术分析
技术栈
- PyTorch: 项目基于PyTorch框架,利用其强大的自动微分功能和灵活的神经网络构建能力。
- smplx: 项目代码依赖于smplx包,该包提供了人体模型的加载和处理功能。
核心功能
- 手部姿态映射: 通过输入手部姿态参数和形状参数,生成逼真的3D手部网格。
- 低维度模型: 模型维度低,计算效率高,适合实时应用。
- 通用性: 适用于各种人类手部,具有广泛的适用性。
项目及技术应用场景
- 虚拟现实与增强现实: 用于生成逼真的虚拟手部,提升用户体验。
- 人机交互: 在智能设备和机器人中,实现更自然的手部交互。
- 动画制作: 为动画角色生成逼真的手部动作。
- 医学研究: 用于手部运动分析和康复训练。
- 3D物体抓取: 在机器人抓取和物体操作任务中,生成逼真的手部抓取姿态。
项目特点
- 高逼真度: 生成的手部网格非常逼真,适用于高质量视觉效果需求的应用。
- 易用性: 项目提供了详细的安装和使用指南,用户可以快速上手。
- 开源免费: 项目开源且免费,适用于非商业科学研究用途。
- 灵活扩展: 基于PyTorch框架,用户可以方便地进行定制和扩展。
安装与使用
安装依赖
确保已安装PyTorch(版本>=1.1.0),可以使用以下命令安装:
pip install torch==1.5.1+cpu torchvision==0.6.1+cpu -f https://download.pytorch.org/whl/torch_stable.html
或者安装适合的GPU版本。
安装MANO
pip install git+'https://github.com/otaheri/MANO'
下载模型
- 在MANO网站注册并下载模型。
- 将模型放置在以下结构的文件夹中:
models
|
└── mano
├── MANO_RIGHT.pkl
└── MANO_LEFT.pkl
示例代码
import torch
import mano
from mano.utils import Mesh
model_path = 'PATH_TO_MANO_MODELS'
n_comps = 45
batch_size = 10
rh_model = mano.load(model_path=model_path,
is_rhand= True,
num_pca_comps=n_comps,
batch_size=batch_size,
flat_hand_mean=False)
betas = torch.rand(batch_size, 10)*.1
pose = torch.rand(batch_size, n_comps)*.1
global_orient = torch.rand(batch_size, 3)
transl = torch.rand(batch_size, 3)
output = rh_model(betas=betas,
global_orient=global_orient,
hand_pose=pose,
transl=transl,
return_verts=True,
return_tips = True)
h_meshes = rh_model.hand_meshes(output)
j_meshes = rh_model.joint_meshes(output)
#可视化手部网格
h_meshes[0].show()
#可视化关节网格
j_meshes[0].show()
#可视化手部和关节网格
hj_meshes = Mesh.concatenate_meshes([h_meshes[0], j_meshes[0]])
hj_meshes.show()
引用
如果您在研究中使用此模型,请考虑引用以下文献:
@article{MANO:SIGGRAPHASIA:2017,
title = {Embodied Hands: Modeling and Capturing Hands and Bodies Together},
author = {Romero, Javier and Tzionas, Dimitrios and Black, Michael J.},
journal = {ACM Transactions on Graphics, (Proc. SIGGRAPH Asia)},
publisher = {ACM},
month = nov,
year = {2017},
url = {http://doi.acm.org/10.1145/3130800.3130883},
month_numeric = {11}
}
和
@inproceedings{GRAB:2020,
title = {{GRAB}: A Dataset of Whole-Body Human Grasping of Objects},
author = {Taheri, Omid and Ghorbani, Nima and Black, Michael J. and Tzionas, Dimitrios},
booktitle = {European Conference on Computer Vision (ECCV)},
year = {2020},
url = {https://grab.is.tue.mpg.de}
}
许可证
该软件适用于非商业科学研究目的。请仔细阅读条款和条件及任何伴随文档,然后再下载和使用MANO模型、数据和软件。通过下载和使用该模型和软件,您承认已阅读并同意这些条款和条件。
联系方式
该代码由Omid Taheri实现。
如有问题,请联系mano@tue.mpg.de。
对于商业许可及相关业务问题,请联系ps-licensing@tue.mpg.de。
通过使用MANO项目,您可以轻松实现逼真的手部模型生成,为您的科研和应用带来更多可能性。立即尝试,开启您的手部模型应用之旅!
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
558
3.8 K
Ascend Extension for PyTorch
Python
372
434
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
890
638
昇腾LLM分布式训练框架
Python
115
143
暂无简介
Dart
792
195
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.36 K
769
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
117
146
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
347
193
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.12 K
265