nghorbani/amass

解决的问题

AMASS 为多个基于光学标记的动作捕捉 (mocap) 数据集提供了一个统一的框架与参数化方法。它通过将各种来源整合为通用格式，解决了人体动作数据碎片化的问题，使其更易于用于动画制作、可视化以及训练深度学习模型。

运作方式

该项目使用 MoSh++ 管线将 SMPL+H 人体模型拟合至动作捕捉数据。它将人体动作表示为表面形状，并支持扩展的形状空间（16 个 betas 与 8 个 DMPLs）。该存储库提供了使用 AMASS 数据来制作 SMPL+H、SMPL 与 SMPL-X 人体模型动画的工具与 Jupyter notebooks。

目标受众

从事计算机视觉、动画与深度学习的研究人员与开发者，他们需要高质量、标准化的人体动作捕捉数据来进行训练或可视化。

特色亮点

• 来自多种 mocap 数据集的人体动作统一数据库。
• 支持多种人体模型，包括 SMPL+H、SMPL 与 SMPL-X。
• 包含预先定义且不重叠的训练/验证/测试数据分割。
• 使用 DFaust 注册产生合成 mocap 的工具。