GoMAvatar 的安装和配置教程

项目基础介绍

GoMAvatar 是一个开源项目，旨在通过使用单目视频实现高效动画化人体建模。该项目基于论文 "GoMAvatar: Efficient Animatable Human Modeling from Monocular Video Using Gaussians-on-Mesh" 开发，主要利用了高斯函数在网格上的特性来实现人体建模的动画化。项目的主要编程语言是 Python。

项目使用的关键技术和框架

GoMAvatar 使用了以下关键技术和框架：

• CUDA：用于GPU加速计算。
• PyTorch：深度学习框架，用于构建和训练神经网络模型。
• PyTorch3D：用于3D视觉任务的PyTorch扩展库。
• SMPL：一个用于人体建模的框架，提供了人体模型的参数化表示。

项目安装和配置的准备工作

在开始安装之前，请确保您的系统满足以下要求：

• Python 3.x
• CUDA 11.6
• PyTorch 1.13.0
• PyTorch3D 0.7.0

您还需要安装以下依赖项：

• conda（推荐使用Miniconda）
• git

确保您的系统环境准备好后，可以按照以下步骤进行安装。

安装步骤

1. 创建虚拟环境：

   conda create -n GoMAvatar python=3.8
   conda activate GoMAvatar
   

2. 安装PyTorch和相关依赖：

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

3. 安装项目依赖：

   pip install -r requirements.txt
   

4. 安装PyTorch3D：

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

5. 安装高斯散布（Gaussian Splatting）：

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

6. 下载SMPL模型： 请从SMPL官网下载male/female模型和neutral模型，并将.pkl文件放在utils/smpl/models目录下。

7. 准备数据集： 根据项目需求，下载并预处理ZJU-MoCap和PeopleSnapshot数据集。具体步骤请参照项目README中的说明。

完成以上步骤后，您的GoMAvatar环境就已经配置完毕，可以进行模型的训练和评估了。