Peizhuo Li

我选择的是Without Skin, 这样能节省很多空间。其他都是都是对的。

看起来没有过拟合。 有关mean和var的生成参见#61。我不太明白这里的初始pose指什么，如果是T-Pose的话应该不需要动作迁移就能发现。

gan_loss并不是问题的核心，它的表现不一定会很好，但在最终结果中不起决定性的作用。 整个框架从std_bvh中读取骨骼的静态信息，有很大的关系。

可能我的表述出了一些偏差，std_bvh里面的静态pose不一定要是T-Pose, 但是如果和T-pose差距很大的话是可能会有问题的。我们在论文的limitation章节讨论过这个问题。

Of course. But you'll need to modify the code. I'd suggest to start with architecture.py

如果使用的不是我们提供的数据集，请仔细阅读[这里](https://github.com/DeepMotionEditing/deep-motion-editing#dataset)，根据指示中第四点修改`retargeting/datasets/bvh_parser.py`中的代码

1) 如果需要的bvh和训练集中的bvh**拓扑结构**相同，则不需要重新训练。对于自定义骨骼的训练过程在[这里](https://github.com/DeepMotionEditing/deep-motion-editing#motion-retargeting-1)有描述。数据集最好尽量丰富，不需要一定是107个文件 2) 是按照骨骼的**拓扑结构**定义的。对相同拓扑结构之间的retargeting是intra，否则是cross 3) 简化的模型主要是手指，被简化的关节不参与retargeting，这些关节通过copy joint rotation就可以解决，不需要unpooling等操作

1) 我们的原始代码不支持多卡并行；可以检查一下显卡利用率，一般应该在80%以上。 2) 我们使用了per-character的normalization，需要目标角色的一些运动数据来计算对应的mean和variance。可能是这里出了问题

1) 这里的mean和variance是用于做normalization的，属于一个常用的训练trick，没有用于分类 2) 最好保持一致的T-pose，包括轴向以及各关节 3) 只要是统一的顺序就可以。并且不需要修改bvh文件中关节的顺序，只需要修改代码中对应的list的排列顺序就可以

1) 不同的拓扑结构需要重新训练，构造网络的时候直接依赖拓扑结构，所以会被记住 2) 效果不理想有很多因素，例如rest pose差距太大（姿势以及比例）；加入训练集应该能提升性能； 3) 我个人用代码编辑bvh