aitviewer
1.13.0
Un ensemble d'outils pour visualiser et interagir avec des séquences de données 3D avec prise en charge multiplateforme sur Windows, Linux et macOS. Consultez la page officielle sur https://eth-ait.github.io/aitviewer pour tous les détails.
Installation de base :
pip install aitviewerNotez que cela n’installe pas automatiquement la version GPU de PyTorch. Si votre environnement le contient déjà, vous devriez être prêt à partir, sinon installez-le manuellement.
Ou installez localement (si vous devez étendre ou modifier le code)
git clone [email protected]:eth-ait/aitviewer.git
cd aitviewer
pip install -e .Sur macOS avec Apple Silicon, il est recommandé d'utiliser PyQt6. Veuillez vérifier ce problème pour les instructions d'installation.
Pour une installation plus avancée et pour l'installation des modèles de carrosserie SMPL, veuillez vous référer à la documentation .
Interface Python native, facile à utiliser et à pirater.
Chargez les séquences SMPL[-H/-X] / MANO / FLAME / STAR / SUPR et affichez-les dans une visionneuse interactive.
Mode sans tête pour le rendu serveur de vidéos/images.
Mode distant pour une intégration non bloquante du code de visualisation.
Rendu des données 3D au-dessus des images via des modèles de caméra à perspective faible ou OpenCV.
Chemins de caméra animables.
Modifiez les séquences et les poses SMPL manuellement.
Primitives de rendu prédéfinies (cylindres, sphères, nuages de points, etc.).
Interface graphique extensible intégrée (basée sur Dear ImGui).
Exportez des captures d'écran, des vidéos et des vues de platine (au format mp4/gif)
Pipeline de rendu haute performance basé sur ModernGL (fonctionnant à plus de 100 ips sur la plupart des ordinateurs portables).
Afficher une pose en T SMPL (nécessite les modèles SMPL) :
depuis aitviewer.renders.smpl import SMPLSequencefrom aitviewer.viewer import Viewerif __name__ == '__main__':v = Viewer()v.scene.add(SMPLSequence.t_pose())v.run()
Un échantillon de projets utilisant aitviewer. Faites-nous savoir si vous souhaitez être ajouté à cette liste !
Fan et al., HOLD : Reconstruction 3D indépendante de la catégorie de mains et d'objets en interaction à partir d'une vidéo, CVPR 2024
Braun et al., Synthèse d'interaction main-objet physiquement plausible sur tout le corps, 3DV 2024
Zhang et Christen et al., ArtiGrasp : Synthèse physiquement plausible de la préhension et de l'articulation agiles bimanuelles, 3DV 2024
Kaufmann et al., EMDB : Base de données électromagnétique sur la pose et la forme humaines en 3D dans la nature, ICCV 2023
Shen et Guo et al., X-Avatar : avatars humains expressifs, CVPR 2023
Sun et al., TRACE : Régression temporelle 5D d'avatars avec caméras dynamiques dans des environnements 3D, CVPR 2023
Fan et al., ARCTIC : Un ensemble de données pour la manipulation bimanuelle habile d’objets main, CVPR 2023
Dong et Guo et al., PINA : Apprentissage d'un avatar neuronal implicite personnalisé à partir d'une seule séquence vidéo RVB-D, CVPR 2022
Dong et al., Estimation de poses multi-personnes sensible à la forme à partir d'images multi-vues, ICCV 2021
Kaufmann et al., EM-POSE : Estimation de la pose humaine en 3D à partir de trackers électromagnétiques clairsemés, ICCV 2021
Vechev et al., Conception informatique de vêtements kinesthésiques, Eurographics 2021
Guo et al., Capture des performances humaines à partir d'une vidéo monoculaire dans la nature, 3DV 2021
Si vous utilisez ce logiciel, veuillez le citer comme ci-dessous.
@software{Kaufmann_Vechev_aitviewer_2022,
author = {Kaufmann, Manuel and Vechev, Velko and Mylonopoulos, Dario},
doi = {10.5281/zenodo.10013305},
month = {7},
title = {{aitviewer}},
url = {https://github.com/eth-ait/aitviewer},
year = {2022}
}Ce logiciel a été développé par Manuel Kaufmann, Velko Vechev et Dario Mylonopoulos. Pour toute question, veuillez créer un problème. Nous accueillons et encourageons les contributions de modules et de fonctionnalités de la communauté.
