dailingna

icon company hangzhou dianzi university icon location hangzhou

Results 32 comments of dailingna

多人图片的识别问题

这个大小确实是会显存不够。我在24G的显卡上批量生成的时候，有个别图都会显存不够。

能否使用openpose的25个关键点去得到25个骨骼的bvh?

因为我看你的代码中，使用alphopose去预测了17个2D点之后，然后使用了一个与训练好的模型去吧17个2D转为3D的点，这样的话 是我需要专门去训练一个25个关键点的2D预测3D关键点的模型？

torch.mean(input, dim=[2, 3], keepdim=True) dim (int) – the dimension to reduce?

Same question for me.

Running model with torch 1.x

i have the same questions

Problems with running simple_extractor.py

i have the same question.

where is standard_rasterize_cuda？

+1

combined_dataset

i also have the same question!

更换数据集（human3.6m）去重新训练retargeting 模型

我检查了测试时候video提取出来的bvh的rest pose和训练集（human3.6的bvh）的相同欸。 这里有个疑问的地方，我的训练集是通过human3.6的3D坐标提取出来的bvh,一开始提取的时候发现提取出来的bvh用blender打开预览的时候人物动作是背对着，这个时候我强制给他转身（下面的代码）让它是面对着我们。这样子处理会不会影响每个关节的旋转角度？ for frame in prediction3dpoint: for point3d in #frame: point3d[0] = point3d[0] / 100 point3d[1] = point3d[1] / 100 point3d[2] = point3d[2] / 100 ## 交换Y和Z的坐标 X =...

更换数据集（human3.6m）去重新训练retargeting 模型

``` import json import os import numpy as np from bvh_skeleton import h36m_skeleton,smartbody_skeleton def write_smartbody_bvh(outbvhfilepath,prediction3dpoint): # ''' # :param outbvhfilepath: 输出bvh动作文件路径 # :param prediction3dpoint: 预测的三维关节点 # :return: # ''' #...

ValueError: not enough values to unpack (expected 2, got 0)

i have the same question.