首页
/ GoMAvatar 开源项目最佳实践教程

GoMAvatar 开源项目最佳实践教程

2025-05-21 21:45:15作者:伍霜盼Ellen

1. 项目介绍

GoMAvatar 是一个基于单目视频的高效可动画化人体建模项目,它通过使用 Gaussians-on-Mesh 技术来实现。该项目旨在为研究人员和开发者提供一个有效的工具,以便从单目视频中创建出可以进行动画处理的人体模型。GoMAvatar 在 CVPR 2024 论文中被提出,由 Jing Wen、Xiaoming Zhao、Zhongzheng Ren、Alex Schwing 和 Shenlong Wang 合作完成。

2. 项目快速启动

环境准备

  • CUDA 11.6
  • PyTorch 1.13.0
  • PyTorch3D 0.7.0

安装依赖

首先,创建一个新的 Conda 环境,并激活它:

conda create -n GoMAvatar
conda activate GoMAvatar

然后,安装所需的 PyTorch 和 CUDA 相关包:

conda install pytorch==1.13.0 torchvision==0.14.0 pytorch-cuda=11.6 -c pytorch -c nvidia

接下来,安装其他依赖:

pip install -r requirements.txt

安装 PyTorch3D:

conda install -c fvcore -c iopath -c conda-forge fvcore iopath
conda install pytorch3d -c pytorch3d

安装 Gaussian splatting:

pip install git+https://github.com/graphdeco-inria/diff-gaussian-rasterization

数据准备

  • 下载 SMPL v1.0.0 的男性和女性模型,以及中性模型,并将 .pkl 文件放在 utils/smpl/models 目录下。
  • 下载 ZJU-MoCap 数据集并保存在 data/zju-mocap 目录下,然后运行相应的预处理脚本。
  • 下载 PeopleSnapshot 数据集并保存在 data/snapshot 目录下,同时下载 refined training poses。

3. 应用案例和最佳实践

数据预处理

  • 对于 ZJU-MoCap 数据集,运行以下命令进行预处理:
cd scripts/prepare_zju-mocap
python prepare_dataset.py --cfg $SCENE.yaml
  • 对于 PeopleSnapshot 数据集,运行以下命令进行预处理:
cd scripts/prepare_snapshot
python prepare_dataset.py --cfg $SCENE.yaml

训练模型

  • 对于 ZJU-MoCap 数据集,运行以下命令开始训练:
python train.py --cfg exps/zju-mocap_$SCENE.yaml
  • 对于 PeopleSnapshot 数据集,运行以下命令开始训练:
python train.py --cfg exps/snapshot_$SCENE.yaml

渲染和评估

  • 使用以下命令进行视图合成:
python eval.py --cfg exps/zju-mocap_$SCENE.yaml --type view
  • 使用以下命令进行姿态合成:
python eval.py --cfg exps/zju-mocap_$SCENE.yaml --type pose
  • 进行 360 度自由视角渲染:
python eval.py --cfg exps/zju-mocap_$SCENE.yaml --type freeview
  • 使用 MDM 进行姿态渲染:
python eval.py --cfg exps/zju-mocap_$SCENE.yaml --type pose_mdm --pose_path data/mdm_poses/sample.npy

4. 典型生态项目

GoMAvatar 可以与以下项目进行集成和扩展:

  • HumanNeRF:用于人体建模和渲染的开源项目。
  • MonoHuman:从单目视频中估计人体姿态和形状的开源项目。

以上就是 GoMAvatar 开源项目的最佳实践教程,希望对您的学习和开发有所帮助。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K
nop-entropynop-entropy
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
8
0
RuoYi-Vue3RuoYi-Vue3
🎉 (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
941
555
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
405
387
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
ops-mathops-math
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++
510
44
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.32 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279