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
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
537
3.76 K
暂无简介
Dart
773
192
Ascend Extension for PyTorch
Python
343
405
🎉 (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
1.34 K
755
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.07 K
97
React Native鸿蒙化仓库
JavaScript
303
356
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
337
180
AscendNPU-IR
C++
86
142
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
987
249