MotioNet 该库提供的源代码[[Transaction on Graphics（ToG）2020]，这是一种运动学的深度神经网络，可以从单眼视频中重建3D骨骼人体运动。 基于通用运动表示设计的网络及其直接输出可以转换为bvh文件，而无需任何后处理步骤。 MotioNet：具有骨架一致性的单眼视频的3D人体运动重构：| | 先决条件 Linux 的Python 3 NVIDIA GPU + CUDA CuDNN 2D姿势检测工具（用于评估野生视频，现在支持： ） 根据您的Cuda版本，选择合适的版本并安装它，然后运行以下命令来安装其他软件包： pip install -r requirements.txt 快速开始 我们提供了一个预训练的模型和一些演示示例，这些示例演示了我们的框架是如何工作的。 为了运行演示，请从 下载1.预训练的模型并将其放置在./checkpoin

，， ，（卡内基梅隆大学，Facebook Reality Labs） CVPR 2020 ， 口头演示和人体姿势演示视频（ ）： 楷模 配置 MPJPE（毫米） 模型和日志 45.3 33.1 30.4 19.0 我们还为这两篇论文提供2D到3D提升网络的实现： ，CVPR 2019 configs/lifting/img_lifting_rot_h36m.yaml （人类3.6M） configs/lifting/img_lifting_rot.yaml （RHD） ，ICCV 2017 configs/lifting/lifting_direct_h36m.yaml （人类3.6M） configs/lifting/lifting_direct.yaml （RHD） 建立 要求 Python 3，pytorch> 1.2+和pytorch <1.4 pip install -r requirements.txt conda install pytorch cudatoolkit=10.0 -c pytorch 预先训练的砝码下载 mkdir outs