Project Icon

ROMP

单目实时多人体3D网格重建技术

ROMP项目是一种用于实时单目多人体3D网格重建的工具,具备一阶段处理优势,并支持跨平台API(Linux、Windows、Mac)。用户可通过pip安装。最近的更新包括TRACE代码发布,增加了对动态摄像机背景中的5D时间回归,以及BEV的训练和评估代码发布,深入研究多人体深度关系,支持所有年龄段。ROMP还支持Python调用,BVH模型导出,并通过Blender插件实现角色驱动。详细信息请参考项目的论文、数据集及相关演示视频。

ROMP

BEV

TRACE

单目、单阶段、多人3D姿态回归(ICCV21)将人物置于正确位置:单目3D人物深度回归(CVPR2022)TRACE:动态相机3D环境下的5D时序头像回归(CVPR2023)
ROMP是一种单阶段方法,用于实时单目多人3D网格恢复。BEV进一步探索多人深度关系并支持所有年龄段TRACE进一步跟踪特定对象并在动态相机下恢复其全局3D轨迹
[论文] [视频][项目主页] [论文] [视频][项目主页] [论文] [视频]
[相对人体数据集][动态相机数据集]
drawingdrawingdrawing

我们提供跨平台API(通过pip安装),可在Linux / Windows / Mac上运行ROMP和BEV。

目录

新闻

2023/06/17: 发布TRACE的代码。请参考此说明进行推理。
2022/06/21: 发布BEV的训练和评估代码。请更新模型数据
2022/05/16: 发布simple-romp v1.0,支持跟踪、在Python中调用、导出bvh等功能。
2022/04/14: 在simple-romp v0.1.0中发布BEV的推理代码。
2022/04/10: 增加onnx支持,在CPU/GPU上推理速度更快。
旧日志

入门

请使用simple-romp进行推理,其余代码仅用于训练。

如何使用

ROMP & BEV

对于推理和导出(fbx/glb/bvh),请参考此指南

对于训练,请参考installation.md进行完整安装,dataset.md准备数据,train.md进行训练。

对于基准评估,请参考romp_evaluationbev_evaluation

TRACE

对于推理,请参考此说明

对于基准评估,请参考trace_evaluation

对于训练,请参考trace_train

扩展

[Blender插件]: Yan Chuanhang创建了一个Blender插件,可以使用ROMP从图像、视频或网络摄像头输入驱动Blender中的3D角色。

[VMC协议]: Vivien Richter为ROMP实现了VMC(虚拟动作捕捉)协议支持,适用于不同的动作捕捉解决方案。

Docker使用

请参考docker.md

问题报告

欢迎提交问题报告。

贡献者

本仓库由Yu Sun维护。

ROMP也得益于许多开发者的贡献,包括:

引用

@InProceedings{TRACE,
    author = {Sun, Yu and Bao, Qian and Liu, Wu and Mei, Tao and Black, Michael J.},
    title = {{TRACE: 5D Temporal Regression of Avatars with Dynamic Cameras in 3D Environments}}, 
    booktitle = {CVPR}, 
    year = {2023}}
@InProceedings{BEV,
    author = {Sun, Yu and Liu, Wu and Bao, Qian and Fu, Yili and Mei, Tao and Black, Michael J},
    title = {{Putting People in their Place: Monocular Regression of 3D People in Depth}},
    booktitle = {CVPR},
    year = {2022}}
@InProceedings{ROMP,
    author = {Sun, Yu and Bao, Qian and Liu, Wu and Fu, Yili and Michael J., Black and Mei, Tao},
    title = {{Monocular, One-stage, Regression of Multiple 3D People}},
    booktitle = {ICCV},
    year = {2021}}

致谢

本工作得到了国家重点研发计划(项目编号:2020AAA0103800)的支持。
MJB声明https://files.is.tue.mpg.de/black/CoI_CVPR_2023.txt

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号