Mirrored-Human 项目最佳实践教程

1. 项目介绍

Mirrored-Human 是一个开源项目，旨在通过观察镜中的人来重建三维人体姿态。该项目提出了一个新任务，即从单个图像中重建3D人体姿态，图像中可以看到人和镜子中的人。项目包含一个优化方法的演示，该方法完全使用 PyTorch 实现，并提供了一种从消失点估计镜面表面法线的方法。

2. 项目快速启动

在开始之前，请确保你已经安装了 PyTorch 和其他必要的依赖项。下面是快速启动项目的步骤：

# 设置数据路径
data=<path_to_sample>/zju-m-demo
out=<path_to_sample>/zju-m-demo-output

# 提取视频帧
python3 scripts/preprocess/extract_video.py ${data}

# 运行视频演示（注意：以下命令已过时，请参考 easymocap-doc-quickstart 以获取启动的新版本）
python3 apps/demo/1v1p_mirror.py ${data} --out ${out} --vis_smpl --video

确保替换 <path_to_sample> 为你的实际数据路径。

3. 应用案例和最佳实践

数据集构建

由于版权限制，无法直接共享原始数据。视频片段（包括 URL 链接和时间戳）作为 ZJU-MoCap 数据集的一部分发布。此外，用于训练的数据集的基本版本也在同一位置发布。请注意，我们没有这些图像的版权，因此数据集不能用于商业应用。

标注工具使用

项目中提供了一个标注器，用于标记镜像边缘并自动计算消失点。通过这两个消失点可以计算相机内参。

互联网数据集构建

请参考项目文档中的 doc/internet.md 获取更多关于构建自定义互联网数据集的指导。

多视角评估数据集构建

对于希望使用多个相机和一个镜子捕捉更准确人体运动的研究人员，可以构建不同的评估数据集。请参考 doc/custom.md 获取更多指导。

4. 典型生态项目

Mirrored-Human 项目是基于 EasyMocap 项目构建的。EasyMocap 是一个用于人体运动捕捉的开源项目，提供了一套完整的工具链，用于从视频数据中重建人体姿态和运动。

通过结合 EasyMocap 和其他相关项目，可以形成一个强大的生态系统，用于各种研究和技术应用，如虚拟现实、增强现实、动画制作和运动分析等。