X-avatar 运行指南

1.环境配置

1.安装GitHub上运行（注意最好在conda中安装，不然可能会有问题）

git clone https://github.com/Skype-line/X-Avatar.git
cd X-Avatar

conda env create -f environment.yml
conda activate xavatar
python setup.py install

2.安装kaolin

直接下载0.12.0版本，并进行安装

3.移动文件和数据集到对应位置

2.demo运行 

00034是编号，motion_path是动作文件的路径（解压出来的文件）

生成每一帧的ply文件在output/00034_rgb/tennis_smoothed中

python demo.py subject=00034_rgbd experiments=XHumans_sdf_smplx demo.motion_path=/path/to/tennis_smoothed.pkl

使用vis_meshes.py进行可视化，可以保存成MP4，也可以使用aitviewer进行展示

data_root是上面demo生成的动作序列的ply文件

python vis_meshes.py --data_root=../outputs/XHumans_smplx/output/00034_rgb/tennis_smoothed

 ps:smpl模型生成的并不能用demo

3.train

训练可以选择smpl和smplx，rgb和scan。

python train.py subject=00019_rgbd datamodule=XHumans_rgbd_smplx experiments=XHumans_sdf_smplx datamodule.dataloader.dataset_path=/root/autodl-tmp/00019

修改datamodule.dataloader.batch_size和datamodule.processor.points_per_frame大小。

但points_per_frame即使缩小10倍，显存消耗仅减少几个g，在3090上训练要缩小到原来的1/100.

在开始训练时，只要2g显存，但每val后显存就会变大（如果修改val的epoch，但没什么效果，val多次后显存还是会超出限制）

显存和时间：rgbd>scan     smplx>smpl

4.test

motion_path是下载的数据中的test

python test.py subject=00016_rgbd experiments=XHumans_sdf_smplx demo.motion_path=/root/autodl-tmp/00016/test

smpl模型要超级多的显存(超过32g)，smplx要22g显存

作者解释是smplx版本使用了预训练模型已经训练的比较好了，如果SMPL版本没有完全训练好，会查询更多的点，会更消耗显存。事实上我训练了30多轮但仍然出现这种问题，可能和我设置的训练参数比较低产生的问题。可以修改resolution来降低显存.作者回答

test后生成mesh_test文件夹，里面是ply文件

5.Evaluate