Make-It-Animatable项目安装与配置指南
2025-04-21 13:50:40作者:侯霆垣
1. 项目基础介绍
Make-It-Animatable是一个高效创建动画就绪3D角色的框架。此项目旨在为用户提供一种便捷的方法,通过训练神经网络模型来自动化生成3D角色的动画。该项目主要使用Python编程语言开发。
2. 项目使用的关键技术和框架
- Blender: 一个开源的3D创作套件,用于在训练过程中处理和生成3D数据。
- PyTorch: 一个流行的开源机器学习库,用于构建和训练神经网络。
- FBX2glTF: 一个FBX到glTF转换工具,用于在演示中转换模型格式。
- 3DGS Render Blender Addon: 由KIRI Engine提供的Blender插件,用于渲染。
3. 项目安装和配置的准备工作
在开始安装之前,请确保您的计算机满足以下条件:
- 安装有Python环境(建议使用Anaconda以方便管理虚拟环境)。
- 安装有Git版本控制系统。
- 确保您的计算机有足够的存储空间和内存来处理3D数据和训练神经网络。
安装步骤
克隆项目
首先,您需要克隆项目到本地环境:
git clone https://github.com/jasongzy/Make-It-Animatable.git --recursive --single-branch
cd Make-It-Animatable
设置虚拟环境
项目使用conda来管理虚拟环境,分别用于训练和演示。首先创建并激活训练环境:
conda create -n mia python=3.10
conda activate mia
然后安装项目所需的依赖:
pip install -r requirements.txt
接下来,创建并激活演示环境(注意,演示环境和训练环境使用不同版本的Python):
conda create -n mia-demo python=3.11
conda activate mia-demo
安装演示环境所需的依赖:
pip install -r requirements-demo.txt
数据准备
项目需要下载特定数据集,可以使用以下命令:
git lfs install
GIT_LFS_SKIP_SMUDGE=1 git -C data clone https://huggingface.co/datasets/jasongzy/Mixamo
git -C data/Mixamo submodule update --init
根据您是进行训练还是演示,下载相应的数据:
- 训练数据:
git -C data/Mixamo lfs pull -I 'bones*.fbx,animation,animation_extra,character_refined,character_rabit_refined'
- 演示数据:
git -C /tmp/hf-data lfs pull -I output/best/new
mkdir -p output/best
cp -r /tmp/hf-data/output/best/new output/best/
git -C /tmp/hf-data lfs pull -I data
cp -r /tmp/hf-data/data/ data/
此外,还需要下载FBX2glTF工具并赋予执行权限:
wget https://github.com/facebookincubator/FBX2glTF/releases/download/v0.9.7/FBX2glTF-linux-x64 -O util/FBX2glTF
chmod +x util/FBX2glTF
开始训练或演示
- 启动演示:
conda activate mia-demo
python app.py
- 启动训练:
conda activate mia
bash train.sh
请注意,根据您的硬件配置,可能需要调整train.sh脚本中的参数,以适应您的GPU内存大小。
以上步骤即为Make-It-Animatable项目的详细安装和配置指南。按照这些步骤操作后,您应该能够顺利运行该项目。
登录后查看全文
热门项目推荐
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- 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
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
386
458
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++
894
680
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
354
212
昇腾LLM分布式训练框架
Python
120
146
暂无简介
Dart
805
198
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781