nlf 3d pose 部署学习笔记

目录

算法原理剖析

1. 预测1024个3d顶点和55个关节点

2. 使用smpl取拟合vertices_flat，joints_flat

创建SemanticRenderer 来源multi_hmr

依赖项：

rlemasklib

测试依赖项：

tf版demo：

metrabs模型，config都在：

推理报错'Namespace' object has no attribute 'config_name'：

barecat window是编译报错，linux编译ok

推理代码

渲染代码：

图片推理代码：

最新torch推理进展：

load_crop_model加载ok

vertex_subset_1024.npz报错没有

调用原版render，没成功

---

算法原理剖析
 

1. 预测1024个3d顶点和55个关节点

E:\project\jijia_4d\nlf_torch\nlf\multiperson\multiperson_model.py

if suppress_implausible_poses:  # 控制不合理的姿态
    # Filter the resulting poses for individual plausibility to reduce false positives
    boxes, poses3d, poses2d, uncert = self._filter_poses(boxes, poses3d, poses2d, uncer