Peizhuo Li

你好，需要提取出的动作为3D并且有相同的骨骼拓扑。并且有可能需要重新训练。

1. 两帧之间的差值可以看作速度。这里应该是等价的。 2. 首先，foot_contact是根据heuristic判断的，很难做到100%正确，只能说在目前的测试数据上效果不错。在related work中，通常在判断速度的同时也会判断高度，由于此前涉及处理一些行走高度发生变化的动作，e.g.走楼梯，我们去掉了对于高度的判断，目前这里判断的foot_contact的heuristic是脚的速度小于某个threshold，更接近于“脚静止”。 3. 可以参考[这里](https://github.com/DeepMotionEditing/deep-motion-editing/issues/69#issuecomment-661729613)

你好，非常感谢你的问题。直接复制global root position会有非常明显的误差，因此我们使用了一个简单的heuristic：将root joint的速度按照角色身高进行等比例缩放后再进行的复制。这样得出的结构应该会和论文中的结果比较相近。

Hi, the mean and var are necessary because we use a per-character normalization to stable the training. While we didn't have a thorough analysis with the effects of normalization, we...

Hi, the normalization doesn't have any explicit physical meaning. We use normalization basically because it's a very common trick in deep learning community, that let the network generate something that...

Hi Wenfeng, I assume you are asking that there're fewer frames in the output file than input file. I'm not sure what caused this problem exactly. It could be good...

Hi, if you are asking about the retargeting project, the joint rotation order is specified in [this](https://github.com/DeepMotionEditing/deep-motion-editing/blob/master/retargeting/datasets/bvh_parser.py) file.

您好，大神过奖了。如果使用的是预训练的模型，确实有可能不能达到这样的效果。预训练的模型可能会对Mixamo数据集有部分过拟合现象。同时有A,B模型对应骨骼的动作数据集（不必须配对），并将模型在这些数据上重新训练应该能达到更加理想的效果。

关于数据集的问题，最好的是有目标骨骼的高质量数据集，使用Mixamo数据集的话相关讨论见#53 配对的理解是正确的。

理论上是这样的。我们实验中发现配对数据训练更简单，只需要一对autoencoder分别处理两个角色，有两个reconstruction loss加上一个||E_a(M_a) - E_b(M_b)||_1 就可以了，即要求不同角色的同一动作被映射到隐空间的同一个点。