MotionStreamer 的安装和配置教程

1. 项目基础介绍

MotionStreamer 是一个开源项目，旨在通过基于扩散的自回归模型在因果潜在空间中生成流式运动。该项目由浙江大学的Lixing Xiao等研究人员开发，并在GitHub上发布，供全球开发者使用和贡献。

主要编程语言

该项目的主要编程语言是Python。

2. 项目使用的关键技术和框架

关键技术

• 扩散模型：一种生成模型，能够逐步学习数据的分布，并生成高质量的数据样本。
• 自回归模型：一种序列生成模型，能够基于之前生成的序列部分预测下一个时间步的值。

框架

• PyTorch：一个流行的开源机器学习库，用于应用如计算机视觉和自然语言处理等领域的深度学习。
• Hugging Face：一个提供预训练模型和工具的库，用于自然语言处理任务。

3. 项目安装和配置的准备工作及详细步骤

准备工作

• 确保你的系统中已经安装了Python（建议版本3.7以上）。
• 安装conda（推荐）或Anaconda，用于管理Python环境和依赖。
• 确保你的系统中有Git，用于克隆项目代码。

安装步骤

1. 克隆项目到本地

   git clone https://github.com/zju3dv/MotionStreamer.git
   cd MotionStreamer
   

2. 创建Python虚拟环境并激活

   conda env create -f environment.yaml
   conda activate mgpt
   

3. 安装Hugging Face Mirror（如果直接访问Hugging Face受限）

   pip install -U huggingface_hub
   export HF_ENDPOINT=https://hf-mirror.com
   

4. 下载处理后的HumanML3D数据集

   huggingface-cli download --repo-type dataset --resume-download lxxiao/272-dim-HumanML3D --local-dir ./humanml3d_272
   cd ./humanml3d_272
   unzip texts.zip
   unzip motion_data.zip
   

5. 训练TMR-based运动评估器（如果需要）

   bash TRAIN_evaluator_272.sh
   

6. 下载评估器检查点（如果需要）

   python humanml3d_272/prepare/download_evaluator_ckpt.py
   

7. 进行评估（如果需要）

   bash EVAL_GT.sh
   

以上步骤为MotionStreamer项目的安装和配置提供了详细的指南。请确保按照每个步骤的指示操作，以便顺利设置项目环境。