R2ET项目使用与启动教程

R2ET项目使用与启动教程

R2ET (CVPR 2023) Skinned Motion Retargeting with Residual Perception of Motion Semantics & Geometry 项目地址: https://gitcode.com/gh_mirrors/r2/R2ET

1. 项目介绍

R2ET是一个基于神经网络的运动重定向模型，旨在保留源动作的运动语义，并避免目标动作中的穿插现象。该项目的核心是一个名为R2ET的神经网络运动重定向模型，它能够有效地在运动重定向过程中保持源动作的特点，同时避免在目标动作中出现肢体穿插的问题。

2. 项目快速启动

要快速启动R2ET项目，请按照以下步骤进行：

环境配置

首先，创建并激活一个Conda虚拟环境：

conda create python=3.9 --name r2et
conda activate r2et

安装依赖

安装所需的Python包和PyTorch 1.10.0版本：

pip install -r requirements.txt
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2 -c pytorch

数据准备

1. 在Mixamo网站上创建账号，并下载对应的fbx动画文件。
2. 使用以下blender脚本来转换fbx文件为BVH文件：

blender -b -P ./datasets/fbx2bvh.py

3. 使用以下命令将BVH文件预处理为npy文件：

python ./datasets/preprocess_q.py

4. 提取每个角色的T-pose形状信息：

blender -b -P ./datasets/extract_shape.py

安装CUDA实现的SDF函数

cd ./outside-code/sdf
python setup.py install

推理与训练

• 推理：使用以下命令进行BVH文件的推理：

python3 inference_bvh.py --config ./config/inference_bvh_cfg.yaml

• 训练：根据需要选择以下命令进行训练：

python3 train_skeleton_aware.py --config ./config/train_skeleton_aware.yaml
python3 train_shape_aware.py --config ./config/train_shape_aware.yaml

可视化

在./visualization目录中，使用以下命令进行可视化：

cd ./visualization
blender -P visualize.py

3. 应用案例和最佳实践

（本部分内容将根据项目实际应用情况编写，这里留白供后续补充。）

4. 典型生态项目

（本部分内容将介绍与R2ET相关的典型生态项目，这里留白供后续补充。）

以上就是R2ET项目的使用与启动教程。按照上述步骤操作，您应该能够顺利地运行并开始使用R2ET模型。

R2ET (CVPR 2023) Skinned Motion Retargeting with Residual Perception of Motion Semantics & Geometry 项目地址: https://gitcode.com/gh_mirrors/r2/R2ET