AvatarPoser

AvatarPoser

革新全身姿态跟踪 仅需头手运动数据

AvatarPoser是一项突破性的全身姿态预测技术,仅需头部和手部运动数据即可在世界坐标系中准确估计全身姿态。该方法结合Transformer编码器和运动解耦技术,通过逆运动学优化生成逼真动作。AvatarPoser在大型动作捕捉数据集上表现出色,并具备实时推理能力,为元宇宙应用中的全身虚拟形象控制提供了实用解决方案。

AvatarPoser全身姿势跟踪混合现实TransformerAMASS数据集Github开源项目

AvatarPoser:基于稀疏运动感知的全身关节姿态追踪(ECCV 2022,官方代码)

Jiaxi Jiang<sup>1</sup>Paul Streli<sup>1</sup>,Huajian Qiu<sup>1</sup>Andreas Fender<sup>1</sup>,Larissa Laich<sup>2</sup>Patrick Snape<sup>2</sup>Christian Holz<sup>1</sup><br/>

<sup>1</sup> 感知、交互与认知实验室,苏黎世联邦理工学院计算机科学系,瑞士 <br/> <sup>2</sup> Meta实验室,瑞士苏黎世 <br/>

<p align="center"> </p>
<p align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/004943e4-a000-4e44-87d0-38ca485dab77.gif" width="800"> </p>

当今的混合现实头戴式显示器可以在世界空间中追踪用户的头部姿势,并在增强现实和虚拟现实场景中追踪用户的手部以进行交互。虽然这足以支持用户输入,但不幸的是,它将用户的虚拟表示限制在仅上半身。因此,当前系统只能使用浮动头像,这种限制在协作环境中尤为明显。为了从稀疏的输入源估计全身姿势,之前的研究在骨盆或下半身加入了额外的追踪器和传感器,这增加了设置的复杂性,并限制了在移动环境中的实际应用。在本文中,我们提出了AvatarPoser,这是第一个仅使用用户头部和手部运动输入来预测世界坐标系下全身姿势的基于学习的方法。我们的方法基于Transformer编码器从输入信号中提取深层特征,并将全局运动与学习到的局部关节方向解耦,以指导姿势估计。为了获得准确的全身运动,使其类似于动作捕捉动画,我们使用逆运动学优化程序来细化手臂关节的位置,以匹配原始追踪输入。在我们的评估中,AvatarPoser在大型动作捕捉数据集(AMASS)的评估中达到了新的最先进结果。同时,我们方法的推理速度支持实时操作,为元宇宙应用提供了一个实用的接口,支持整体化的头像控制和表示。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/0a4dffa0/28752fbe-c520-4a50-9db0-7686cd25562b.jpg" width="800"> </p>

目录

数据集

  1. 请从AMASS下载数据集BMLrubCMUHDM05
  2. 下载所需的人体模型并将其放置在本仓库的support_data/body_models目录中。对于SMPL+H人体模型,请从http://mano.is.tue.mpg.de/下载。请下载带有DMPL混合形状的AMASS版本模型。您可以从http://smpl.is.tue.mpg.de获取动态形状混合形状,例如DMPLs。
  3. (可选)如果您想要新的随机数据分割,请运行generate_split.py
  4. 运行prepare_data.py以预处理输入数据,以加快训练速度。我们论文中使用的训练和测试数据分割存储在data_split文件夹下。

训练

要进行训练,请运行:

python main_train_avatarposer.py -opt options/train_avatarposer.json

测试

要进行测试,请运行:

python main_test_avatarposer.py

预训练模型

点击预训练模型下载我们的AvatarPoser预训练模型,并将其放入model_zoo

引用

如果您发现我们的论文或代码有用,请引用我们的工作:

@inproceedings{jiang2022avatarposer,
  title={AvatarPoser: Articulated Full-Body Pose Tracking from Sparse Motion Sensing},
  author={Jiang, Jiaxi and Streli, Paul and Qiu, Huajian and Fender, Andreas and Laich, Larissa and Snape, Patrick and Holz, Christian},
  booktitle={Proceedings of European Conference on Computer Vision},
  year={2022},
  organization={Springer}
}

许可和致谢

本项目以MIT许可发布。我们参考了FBCNNKAIR中的代码框架进行网络训练。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多