Skip to content

Latest commit

 

History

History
178 lines (110 loc) · 8.1 KB

README.md

File metadata and controls

178 lines (110 loc) · 8.1 KB

ICCV 2023 HumanMAC

为响应开放共享科研记录行动倡议(DCOX)，本工作将提供中文文档，为华人学者科研提供便利。

"HumanMAC: 基于掩码图像补全的人体动作预测"开源代码。

陈凌灏*1, 张嘉伟*2, 李晔文3, 庞义人2, 夏晓波4, 刘同亮4

1清华大学, 2西安电子科技大学, 3南洋理工大学, 4悉尼大学

[项目主页] | [预印本] | [README-en] | [视频] | [代码]

人体动作预测是计算机视觉和计算机图形学中的经典问题，具有广泛的实际应用。 之前的工作基于编码-解码的样式实现了较好的预测性能。 这些方法首先将先前的动作编码为潜在表示，然后将潜在表示解码为预测动作。 然而，在实践中，由于损失函数约束复杂、训练过程繁琐、预测中不同类别动作的切换稀少等问题，它们仍然不尽如人意。 在本文中，针对上述问题，我们跳出上述的建模范式，从新的角度提出了一个新颖的框架。 具体来说，我们的框架以去噪扩散模型的方式工作。 在训练阶段，我们学习了一个人体动作扩散模型，该模型从随机噪声中生成人体动作。 在推理阶段，通过去噪过程，我们对观察到的动作进行动作预测调节，以输出更连续和可控的预测。 我们提出的框架具有较大发展潜力，它只需要优化一个损失函数，并且以端到端的方式进行训练。 此外，它有效地完成了不同类别动作的切换，这在现实任务中具有重要意义，例如动画任务。 基准测试的综合实验证实了所提出框架的优越性。 项目主页： https://lhchen.top/Human-MAC 。

更新信息

[2024/05/06]: 我们发布了最快的实时可控动作生成模型MotionLCM。

[2023/12/19]: HumanMAC在Interactive Humanoid中作为动作预测模块使用。

[2023/10/21]: 欢迎查看最新工作HumanTOMATO，首个文本驱动全身动作生成系统。

[2023/10/17]: 欢迎查看最新的开源项目UniMoCap，统一基于动捕的文本-动作数据集工具。

[2023/07/14]: HumanMAC被ICCV 2023录用！

[2023/03/26]: HumanMAC代码开源！

准备

数据准备

对于Human3.6M和HumanEva-I:

我们继承了GSPS的数据预处理框架和数据集。可以从此处下载数据集文件，并把所有文件放在./data目录下。

用于零样本预测实验的AMASS数据集:

我们将AMASS数据集骨骼重定向到Human3.6M数据集的骨架上。这里我们只提供AMASS动作的一个子集。重定向后的数据集在Google Drive (百度网盘)下载。并将.npy文件放在./data目录下。重定向过程的细节详见 ./motion-retargeting.

最后的./data目录结构如下所示：

data
├── amass_retargeted.npy
├── data_3d_h36m.npz
├── data_3d_h36m_test.npz
├── data_3d_humaneva15.npz
├── data_3d_humaneva15_test.npz
├── data_multi_modal
│   ├── data_candi_t_his25_t_pred100_skiprate20.npz
│   └── t_his25_1_thre0.500_t_pred100_thre0.100_filtered_dlow.npz
└── humaneva_multi_modal
    ├── data_candi_t_his15_t_pred60_skiprate15.npz
    └── t_his15_1_thre0.500_t_pred60_thre0.010_index_filterd.npz

预训练模型

为了方便HumanMAC各种能力的演示，我们提供了在Human3.6M上的预训练模型Google Drive (百度网盘)。预训练模型需放在./checkpoints目录下。

环境配置

sh install.sh

训练

对于Human3.6M:

python main.py --cfg h36m --mode train

对于HumanEva-I:

python main.py --cfg humaneva --mode train

运行指令后，./results目录下会创建名为<DATASET>_<INDEX>的目录（<DATASET>属于{'h36m', 'humaneva'}， <INDEX>等于./results下的目录数量）。训练过程，gifs储存在./<DATASET>_<INDEX>/out中，日志文件存储在./<DATASET>_<INDEX>/log中，模型检查点储存在./<DATASET>_<INDEX>/models中，指标储存在./<DATASET>_<INDEX>/results中。

预测可视化

对于Human3.6M:

python main.py --cfg h36m --mode pred --vis_row 3 --vis_col 10 --ckpt ./checkpoints/h36m_ckpt.p

对于HumanEva-I:

python main.py --cfg humaneva --mode pred --vis_row 3 --vis_col 10 --ckpt ./checkpoints/humaneva_ckpt.pt

vis_row和 vis_col 分别代表绘制的gifs的行数和列数。数据集中的每一类动作都会有两张gifs，每一张gif包含vis_row个动作，每个动作有vis_col个候选预测。gifs储存在./inference/<DATASET>_<INDEX>/out。

动作切换

动作切换的演示：

python main.py --mode switch --ckpt ./checkpoints/h36m_ckpt.pt

vis_switch_num张gifs会储存在./inference/switch_<INDEX>/out中，每一张gif包含30个动作，这些动作最后会切换到其中的一个动作上。

可控动作预测

可控动作预测的演示：

python main.py --mode control --ckpt ./checkpoints/h36m_ckpt.pt

7张gifs会储存在./inference/<CONTROL>_<INDEX>/out中，每张gif有vis_row个动作，每个动作有vis_col个候选预测。<CONTROL>对应{'right_leg', 'left_leg', 'torso', 'left_arm', 'right_arm', 'fix_lower', 'fix_upper'}。

AMASS数据集的零样本测试

在AMASS数据集上的零样本测试演示：

python main.py --mode zero_shot --ckpt ./checkpoints/h36m_ckpt.pt

零样本测试实验的gifs将储存在./inference/zero_shot_<INDEX>/out，其动作数量同样由vis_col和vis_row设置。

评估

对于Human3.6M:

python main.py --cfg h36m --mode eval --ckpt ./checkpoints/h36m_ckpt.pt

对于HumanEva-I:

python main.py --cfg humaneva --mode eval --ckpt ./checkpoints/humaneva_ckpt.pt

注：我们将评估指标（APD、ADE、FDE、MMADE、MMFDE）的计算过程并行化，以加快计算速度，因此这部分严格要求使用GPU。

致谢

感谢西安电子科技大学的周钰坤和南京大学的杨文昊提供的宝贵建议和技术支持。

本文的部分代码借用自DLow和GSPS。

开源许可证

本代码许可证为MIT LICENSE. 注意！我们的代码依赖于一些拥有各自许可证的第三方库和数据集，你需要遵守对应的许可证协议。

引文

如果您觉得我们的工作对您的研究有帮助，请考虑引用我们的论文：

@inproceedings{chen2023humanmac,
  title={Humanmac: Masked motion completion for human motion prediction},
  author={Chen, Ling-Hao and Zhang, Jiawei and Li, Yewen and Pang, Yiren and Xia, Xiaobo and Liu, Tongliang},
  booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
  pages={9544--9555},
  year={2023}
}

联系方式：thu DOT lhchen AT gmail DOT com