[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-EricGuo5513--HumanML3D":3,"tool-EricGuo5513--HumanML3D":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",145895,2,"2026-04-08T11:32:59",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108111,"2026-04-08T11:23:26",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":80,"owner_website":81,"owner_url":82,"languages":83,"stars":92,"forks":93,"last_commit_at":94,"license":95,"difficulty_score":10,"env_os":96,"env_gpu":96,"env_ram":96,"env_deps":97,"category_tags":108,"github_topics":110,"view_count":32,"oss_zip_url":80,"oss_zip_packed_at":80,"status":17,"created_at":115,"updated_at":116,"faqs":117,"releases":148},5611,"EricGuo5513\u002FHumanML3D","HumanML3D","HumanML3D: A large and diverse 3d human motion-language dataset.","HumanML3D 是一个大规模且多样化的 3D 人体运动与语言配对数据集，旨在搭建自然语言描述与三维人体动作之间的桥梁。它整合了 HumanAct12 和 AMASS 等权威数据源，涵盖了从日常行走、跳跃到游泳、高尔夫等体育运动，乃至杂技和艺术舞蹈等丰富场景。\n\n该数据集主要解决了当前 AI 领域缺乏高质量“文本 - 动作”配对数据的痛点，为训练能够理解文字指令并生成对应 3D 动作的模型提供了坚实基础。通过众包标注，每个动作片段都配有 3-4 句精准的英文描述，并经过镜像翻转和关键词替换等增强处理，显著提升了数据的规模与鲁棒性。\n\nHumanML3D 特别适合人工智能研究人员、计算机图形学开发者以及动画设计师使用。无论是从事文本生成动作（Text-to-Motion）、动作检索，还是开发虚拟数字人交互系统，都能从中获益。其独特的技术亮点在于标准化的数据处理流程（统一降采样至 20fps）以及配套的完整复现脚本，支持基于 SMPL+H 模型快速构建本地数据环境。作为多个前沿生成模型（如 T2M、MoMask）的基石，HumanML3D 正推动着 3D 内容创作向更智能化、自然化的方向","HumanML3D 是一个大规模且多样化的 3D 人体运动与语言配对数据集，旨在搭建自然语言描述与三维人体动作之间的桥梁。它整合了 HumanAct12 和 AMASS 等权威数据源，涵盖了从日常行走、跳跃到游泳、高尔夫等体育运动，乃至杂技和艺术舞蹈等丰富场景。\n\n该数据集主要解决了当前 AI 领域缺乏高质量“文本 - 动作”配对数据的痛点，为训练能够理解文字指令并生成对应 3D 动作的模型提供了坚实基础。通过众包标注，每个动作片段都配有 3-4 句精准的英文描述，并经过镜像翻转和关键词替换等增强处理，显著提升了数据的规模与鲁棒性。\n\nHumanML3D 特别适合人工智能研究人员、计算机图形学开发者以及动画设计师使用。无论是从事文本生成动作（Text-to-Motion）、动作检索，还是开发虚拟数字人交互系统，都能从中获益。其独特的技术亮点在于标准化的数据处理流程（统一降采样至 20fps）以及配套的完整复现脚本，支持基于 SMPL+H 模型快速构建本地数据环境。作为多个前沿生成模型（如 T2M、MoMask）的基石，HumanML3D 正推动着 3D 内容创作向更智能化、自然化的方向迈进。","# \u003Cb>HumanML3D: 3D Human Motion-Language Dataset\u003C\u002Fb>\n\u003C!-- ![tesear_image](.\u002FHumanML3D\u002Fdataset_showcase.png) -->\nHumanML3D is a 3D human motion-language dataset that originates from a combination of [HumanAct12](https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002Faction-to-motion) and [Amass](https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002Faction-to-motion) dataset. It covers a broad range of human actions such as daily activities (e.g., 'walking', 'jumping'), sports (e.g., 'swimming', 'playing golf'), acrobatics (e.g., 'cartwheel') and artistry (e.g., 'dancing'). \n\n\u003Cdiv  align=\"center\">    \n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FEricGuo5513_HumanML3D_readme_aef96ff3bea2.png\"  height = \"500\" alt=\"teaser_image\" align=center \u002F>\n\u003C\u002Fdiv>\n\n\u003Cbr>\n\u003Cdetails> \n  \n  **\u003Csummary>Statistics of HumanML3D\u003C\u002Fsummary>**\n  \n### :bar_chart: Statistics\nEach motion clip in HumanML3D comes with 3-4 single sentence descriptions annotated on Amazon Mechanical Turk. Motions are downsampled into 20 fps, with each clip lasting from 2 to 10 seconds. \n\nOverall, HumanML3D dataset consists of **14,616** motions and **44,970** descriptions composed by **5,371** distinct words. The total length of motions amounts to **28.59** hours. The average motion length is **7.1** seconds, while average description length is **12** words.\n\n\n### :chart_with_upwards_trend: Data augmentation\n\nWe double the size of HumanML3D dataset by mirroring all motions and properly replacing certain keywords in the descriptions (e.g., 'left'->'right', 'clockwise'->'counterclockwise'). \n\n### KIT-ML Dataset\n\n[KIT Motion-Language Dataset](https:\u002F\u002Fmotion-annotation.humanoids.kit.edu\u002Fdataset\u002F) (KIT-ML) is also a related dataset that contains 3,911 motions and 6,278 descriptions. We processed KIT-ML dataset following the same procedures of HumanML3D dataset, and provide the access in this repository. However, if you would like to use KIT-ML dataset, please remember to cite the original paper.\n\u003C\u002Fdetails>\n\nIf this dataset is usefule in your projects, we will apprecite your star on this codebase. 😆😆\n## Checkout Our Works on HumanML3D\n:ok_woman: [T2M](https:\u002F\u002Fericguo5513.github.io\u002Ftext-to-motion) - The first work on HumanML3D that learns to generate 3D motion from textual descriptions, with *temporal VAE*.  \n:running: [TM2T](https:\u002F\u002Fericguo5513.github.io\u002FTM2T) - Learns the mutual mapping between texts and motions through the discrete motion token.  \n:dancer: [TM2D](https:\u002F\u002Fgarfield-kh.github.io\u002FTM2D\u002F) - Generates dance motions with text instruction.  \n:honeybee: [MoMask](https:\u002F\u002Fericguo5513.github.io\u002Fmomask\u002F) - New-level text2motion generation using residual VQ and generative masked modeling.\n\n## How to Obtain the Data\nFor KIT-ML dataset, you could directly download [[Here]](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1D3bf2G2o4Hv-Ale26YW18r1Wrh7oIAwK?usp=sharing). Due to the distribution policy of AMASS dataset, we are not allowed to distribute the data directly. We provide a series of script that could reproduce our HumanML3D dataset from AMASS dataset. \n\nYou need to clone this repository and install the virtual environment.\n\n\u003C!-- ### [2021\u002F01\u002F12] Updates: add evaluation related files & scripts   -->\n\n**[2022\u002F12\u002F15] Update**: Installing matplotlib=3.3.4 could prevent small deviation of the generated data from reference data. See [Issue](https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002FHumanML3D\u002Fissues\u002F21#issue-1498109924)\n\n\n### Python Virtual Environment\n```sh\nconda env create -f environment.yaml\nconda activate torch_render\n```\n\nIn the case of installation failure, you could alternatively install the following:\n```sh\n- Python==3.7.10\n- Numpy          \n- Scipy          \n- PyTorch        \n- Tqdm \n- Pandas\n- Matplotlib==3.3.4     \u002F\u002F Only for animation\n- ffmpeg==4.3.1  \u002F\u002F Only for animation\n- Spacy==2.3.4   \u002F\u002F Only for text process\n```\n\n\u003C!-- Download [HumanML3D](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1OZrTlAGRvLjXhXwnRiOC-oxYry1vf-Uu?usp=sharing) dataset. -->\n\n### Download SMPL+H and DMPL model\n\nDownload SMPL+H mode from [SMPL+H](https:\u002F\u002Fmano.is.tue.mpg.de\u002Fdownload.php) (choose Extended SMPL+H model used in AMASS project) and DMPL model from [DMPL](https:\u002F\u002Fsmpl.is.tue.mpg.de\u002Fdownload.php) (choose DMPLs compatible with SMPL). Then place all the models under \".\u002Fbody_model\u002F\".\n\n### Extract and Process Data\n\nYou need to run the following scripts in order to obtain HumanML3D dataset:\n\n1. raw_pose_processing.ipynb\n2. motion_representation.ipynb\n3. cal_mean_variance.ipynb\n\nThis could be optional. Run it if you need animations. \n\n4. animation.ipynb\n\nPlease remember to go through the double-check steps. These aim to check if you are on the right track of obtaining HumanML3D dataset.\n\nAfter all, the data under folder \".\u002FHumanML3D\" is what you finally need.\n\n## Data Structure\n```sh\n\u003CDATA-DIR>\n.\u002Fanimations.rar        \u002F\u002FAnimations of all motion clips in mp4 format.\n.\u002Fnew_joint_vecs.rar    \u002F\u002FExtracted rotation invariant feature and rotation features vectors from 3d motion positions.\n.\u002Fnew_joints.rar        \u002F\u002F3d motion positions.\n.\u002Ftexts.rar             \u002F\u002FDescriptions of motion data.\n.\u002FMean.npy              \u002F\u002FMean for all data in new_joint_vecs\n.\u002FStd.npy               \u002F\u002FStandard deviation for all data in new_joint_vecs\n.\u002Fall.txt               \u002F\u002FList of names of all data\n.\u002Ftrain.txt             \u002F\u002FList of names of training data\n.\u002Ftest.txt              \u002F\u002FList of names of testing data\n.\u002Ftrain_val.txt         \u002F\u002FList of names of training and validation data\n.\u002Fval.txt               \u002F\u002FList of names of validation data\n.\u002Fall.txt               \u002F\u002FList of names of all data\n```\nHumanML3D data follows the SMPL skeleton structure with 22 joints. KIT-ML has 21 skeletal joints. Refer to paraUtils for detailed kinematic chains.\n\nThe file named in \"MXXXXXX.\\*\" (e.g., 'M000000.npy') is mirrored from file with correspinding name \"XXXXXX.\\*\" (e.g., '000000.npy'). Text files and motion files follow the same naming protocols, meaning texts in \".\u002Ftexts\u002FXXXXXX.txt\"(e.g., '000000.txt') exactly describe the human motions in \".\u002Fnew_joints(or new_joint_vecs)\u002FXXXXXX.npy\" (e.g., '000000.npy')\n\nEach text file looks like the following:\n```sh\na man kicks something or someone with his left leg.#a\u002FDET man\u002FNOUN kick\u002FVERB something\u002FPRON or\u002FCCONJ someone\u002FPRON with\u002FADP his\u002FDET left\u002FADJ leg\u002FNOUN#0.0#0.0\nthe standing person kicks with their left foot before going back to their original stance.#the\u002FDET stand\u002FVERB person\u002FNOUN kick\u002FVERB with\u002FADP their\u002FDET left\u002FADJ foot\u002FNOUN before\u002FADP go\u002FVERB back\u002FADV to\u002FADP their\u002FDET original\u002FADJ stance\u002FNOUN#0.0#0.0\na man kicks with something or someone with his left leg.#a\u002FDET man\u002FNOUN kick\u002FVERB with\u002FADP something\u002FPRON or\u002FCCONJ someone\u002FPRON with\u002FADP his\u002FDET left\u002FADJ leg\u002FNOUN#0.0#0.0\nhe is flying kick with his left leg#he\u002FPRON is\u002FAUX fly\u002FVERB kick\u002FNOUN with\u002FADP his\u002FDET left\u002FADJ leg\u002FNOUN#0.0#0.0\n```\nwith each line a distint textual annotation, composed of four parts: *original description (lower case)*, *processed sentence*, *start time(s)*, *end time(s)*, that are seperated by *#*.\n\nSince some motions are too complicated to be described, we allow the annotators to describe a sub-part of a given motion if required. In these cases, *start time(s)* and *end time(s)* denotes the motion segments that are annotated. Nonetheless, we observe these only occupy a small proportion of HumanML3D. *start time(s)* and *end time(s)* are set to 0 by default, which means the text is captioning the entire sequence of corresponding motion. \n\nIf you are not able to install ffmpeg, you could animate videos in '.gif' instead of '.mp4'. However, generating GIFs usually takes longer time and memory occupation.\n\n## Citation\n\nIf you are using KIT-ML dataset, please consider citing the following paper:\n```\n@article{Plappert2016,\n    author = {Matthias Plappert and Christian Mandery and Tamim Asfour},\n    title = {The {KIT} Motion-Language Dataset},\n    journal = {Big Data}\n    publisher = {Mary Ann Liebert Inc},\n    year = 2016,\n    month = {dec},\n    volume = {4},\n    number = {4},\n    pages = {236--252},\n    url = {http:\u002F\u002Fdx.doi.org\u002F10.1089\u002Fbig.2016.0028},\n    doi = {10.1089\u002Fbig.2016.0028},\n}\n```\n\nIf you are using HumanML3D dataset, please consider citing the following papers:\n```\n@InProceedings{Guo_2022_CVPR,\n    author    = {Guo, Chuan and Zou, Shihao and Zuo, Xinxin and Wang, Sen and Ji, Wei and Li, Xingyu and Cheng, Li},\n    title     = {Generating Diverse and Natural 3D Human Motions From Text},\n    booktitle = {Proceedings of the IEEE\u002FCVF Conference on Computer Vision and Pattern Recognition (CVPR)},\n    month     = {June},\n    year      = {2022},\n    pages     = {5152-5161}\n}\n```\n\n### Misc\n Contact Chuan Guo at cguo2@ualberta.ca for any questions or comments.\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FEricGuo5513_HumanML3D_readme_16286e10b7b0.png)](https:\u002F\u002Fstar-history.com\u002F#EricGuo5513\u002FHumanML3D&Date)\n","# \u003Cb>HumanML3D：3D人体动作-文本数据集\u003C\u002Fb>\n\u003C!-- ![tesear_image](.\u002FHumanML3D\u002Fdataset_showcase.png) -->\nHumanML3D是一个3D人体动作-文本数据集，由[HumanAct12](https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002Faction-to-motion)和[Amass](https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002Faction-to-motion)数据集合并而成。它涵盖了广泛的人体动作，包括日常活动（如“走路”、“跳跃”）、体育运动（如“游泳”、“打高尔夫球”）、杂技动作（如“空翻”）以及艺术性动作（如“跳舞”）。\n\n\u003Cdiv  align=\"center\">    \n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FEricGuo5513_HumanML3D_readme_aef96ff3bea2.png\"  height = \"500\" alt=\"teaser_image\" align=center \u002F>\n\u003C\u002Fdiv>\n\n\u003Cbr>\n\u003Cdetails> \n  \n  **\u003Csummary>HumanML3D数据集统计信息\u003C\u002Fsummary>**\n  \n### :bar_chart: 统计数据\nHumanML3D中的每个动作片段都配有3到4条在Amazon Mechanical Turk平台上标注的单句描述。动作数据被下采样至20帧\u002F秒，每个片段时长为2至10秒。\n\n总体而言，HumanML3D数据集包含**14,616**个动作片段和**44,970**条描述，这些描述由**5,371**个不同的词汇组成。动作总时长达到**28.59**小时。平均每个动作片段时长为**7.1**秒，而平均每条描述则包含**12**个词。\n\n\n### :chart_with_upwards_trend: 数据增强\n\n我们通过镜像所有动作并适当替换描述中的某些关键词（例如，“left”替换为“right”，“clockwise”替换为“counterclockwise”），使HumanML3D数据集规模扩大了一倍。\n\n### KIT-ML数据集\n\n[KIT动作-文本数据集](https:\u002F\u002Fmotion-annotation.humanoids.kit.edu\u002Fdataset\u002F)（KIT-ML）也是一个相关数据集，包含3,911个动作片段和6,278条描述。我们按照与HumanML3D数据集相同的流程处理了KIT-ML数据集，并在此仓库中提供访问。然而，如果您希望使用KIT-ML数据集，请务必引用其原始论文。\n\u003C\u002Fdetails>\n\n如果这个数据集对您的项目有所帮助，我们非常感谢您为本代码库点亮星标。😆😆\n## 查看我们在HumanML3D上的研究成果\n:ok_woman: [T2M](https:\u002F\u002Fericguo5513.github.io\u002Ftext-to-motion) - 首个基于HumanML3D的研究，利用*时间变分自编码器*学习从文本描述生成3D动作。\n:running: [TM2T](https:\u002F\u002Fericguo5513.github.io\u002FTM2T) - 通过离散的动作标记学习文本与动作之间的双向映射。\n:dancer: [TM2D](https:\u002F\u002Fgarfield-kh.github.io\u002FTM2D\u002F) - 根据文本指令生成舞蹈动作。\n:honeybee: [MoMask](https:\u002F\u002Fericguo5513.github.io\u002Fmomask\u002F) - 利用残差量化和生成式掩码建模实现更高水平的文本到动作生成。\n\n## 如何获取数据\n对于KIT-ML数据集，您可以直接从[[这里]](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1D3bf2G2o4Hv-Ale26YW18r1Wrh7oIAwK?usp=sharing)下载。由于AMASS数据集的分发政策限制，我们无法直接分发该数据。因此，我们提供了一系列脚本，可帮助您从AMASS数据集重新构建我们的HumanML3D数据集。\n\n您需要克隆此仓库并安装虚拟环境。\n\n\u003C!-- ### [2021\u002F01\u002F12] 更新：添加评估相关文件及脚本   -->\n\n**[2022\u002F12\u002F15] 更新**：安装matplotlib=3.3.4可以避免生成的数据与参考数据之间出现微小偏差。详情请参阅[问题](https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002FHumanML3D\u002Fissues\u002F21#issue-1498109924)\n\n\n### Python虚拟环境\n```sh\nconda env create -f environment.yaml\nconda activate torch_render\n```\n\n若安装失败，您也可以手动安装以下依赖：\n```sh\n- Python==3.7.10\n- Numpy          \n- Scipy          \n- PyTorch        \n- Tqdm \n- Pandas\n- Matplotlib==3.3.4     \u002F\u002F 仅用于动画\n- ffmpeg==4.3.1  \u002F\u002F 仅用于动画\n- Spacy==2.3.4   \u002F\u002F 仅用于文本处理\n```\n\n\u003C!-- 下载[HumanML3D](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1OZrTlAGRvLjXhXwnRiOC-oxYry1vf-Uu?usp=sharing)数据集。 -->\n\n### 下载SMPL+H和DMPL模型\n\n请从[SMPL+H](https:\u002F\u002Fmano.is.tue.mpg.de\u002Fdownload.php)下载SMPL+H模型（选择AMASS项目中使用的扩展版SMPL+H模型），并从[DMPL](https:\u002F\u002Fsmpl.is.tue.mpg.de\u002Fdownload.php)下载DMPL模型（选择与SMPL兼容的版本）。然后将所有模型放置在“.\u002Fbody_model\u002F”目录下。\n\n### 数据提取与处理\n\n您需要按顺序运行以下脚本以获得HumanML3D数据集：\n\n1. raw_pose_processing.ipynb\n2. motion_representation.ipynb\n3. cal_mean_variance.ipynb\n\n这一步是可选的，如果您需要生成动画，可以运行第4步：\n\n4. animation.ipynb\n\n请务必仔细检查每一步，以确保您正朝着正确方向构建HumanML3D数据集。最终，您所需要的全部数据都在“.\u002FHumanML3D”文件夹中。\n\n## 数据结构\n```sh\n\u003CDATA-DIR>\n.\u002Fanimations.rar        \u002F\u002F 所有动作片段的MP4格式动画。\n.\u002Fnew_joint_vecs.rar    \u002F\u002F 从3D运动位置中提取的旋转不变特征和旋转特征向量。\n.\u002Fnew_joints.rar        \u002F\u002F 3D运动位置数据。\n.\u002Ftexts.rar             \u002F\u002F 动作数据的描述文本。\n.\u002FMean.npy              \u002F\u002F new_joint_vecs中所有数据的均值。\n.\u002FStd.npy               \u002F\u002F new_joint_vecs中所有数据的标准差。\n.\u002Fall.txt               \u002F\u002F 所有数据的文件名列表。\n.\u002Ftrain.txt             \u002F\u002F 训练数据的文件名列表。\n.\u002Ftest.txt              \u002F\u002F 测试数据的文件名列表。\n.\u002Ftrain_val.txt         \u002F\u002F 训练和验证数据的文件名列表。\n.\u002Fval.txt               \u002F\u002F 验证数据的文件名列表。\n.\u002Fall.txt               \u002F\u002F 所有数据的文件名列表。\n```\nHumanML3D数据遵循具有22个关节的SMPL骨骼结构。KIT-ML则包含21个骨骼关节。详细的运动学链请参考paraUtils。\n\n以“MXXXXXX.\\*”命名的文件（例如‘M000000.npy’）是对应名称为“XXXXXX.\\*”的文件（例如‘000000.npy’）的镜像版本。文本文件和动作文件采用相同的命名规则，即“.\u002Ftexts\u002FXXXXXX.txt”（例如‘000000.txt’）中的文本准确描述了“.\u002Fnew_joints（或new_joint_vecs）\u002FXXXXXX.npy”（例如‘000000.npy’）中的人体动作。\n\n每个文本文件的格式如下：\n```sh\n一个男人用左腿踢某物或某人。#a\u002FDET man\u002FNOUN kick\u002FVERB something\u002FPRON or\u002FCCONJ someone\u002FPRON with\u002FADP his\u002FDET left\u002FADJ leg\u002FNOUN#0.0#0.0\n站立的人先用左脚踢一下，然后回到原来的姿势。#the\u002FDET stand\u002FVERB person\u002FNOUN kick\u002FVERB with\u002FADP their\u002FDET left\u002FADJ foot\u002FNOUN before\u002FADP go\u002FVERB back\u002FADV to\u002FADP their\u002FDET original\u002FADJ stance\u002FNOUN#0.0#0.0\n一个男人用左腿踢某物或某人。#a\u002FDET man\u002FNOUN kick\u002FVERB with\u002FADP something\u002FPRON or\u002FCCONJ someone\u002FPRON with\u002FADP his\u002FDET left\u002FADJ leg\u002FNOUN#0.0#0.0\n他正在用左腿进行飞踢。#he\u002FPRON is\u002FAUX fly\u002FVERB kick\u002FNOUN with\u002FADP his\u002FDET left\u002FADJ leg\u002FNOUN#0.0#0.0\n```\n每行都是一个独立的文本注释，由四部分组成：*原始描述（小写）*、*处理后的句子*、*开始时间(s)*、*结束时间(s)*，各部分之间用“#”分隔。\n\n由于某些动作过于复杂而难以完整描述，我们允许标注者在必要时只对动作的某一部分进行描述。在这种情况下，*开始时间(s)*和*结束时间(s)*将指明被标注的动作片段。不过，我们观察到这种情况在HumanML3D数据集中所占比例很小。默认情况下，*开始时间(s)*和*结束时间(s)*会被设置为0，这意味着该文本是对整个动作序列的描述。\n\n如果您无法安装ffmpeg，可以将视频转换为’.gif’格式而非’.mp4’格式来生成动画。然而，生成GIF文件通常需要更长的时间和更多的内存资源。\n\n## 引用\n如果您使用KIT-ML数据集，请考虑引用以下论文：\n```\n@article{Plappert2016,\n    author = {Matthias Plappert和Christian Mandery和Tamim Asfour},\n    title = {The {KIT} Motion-Language Dataset},\n    journal = {Big Data}\n    publisher = {Mary Ann Liebert Inc},\n    year = 2016,\n    month = {dec},\n    volume = {4},\n    number = {4},\n    pages = {236--252},\n    url = {http:\u002F\u002Fdx.doi.org\u002F10.1089\u002Fbig.2016.0028},\n    doi = {10.1089\u002Fbig.2016.0028},\n}\n```\n\n如果您使用HumanML3D数据集，请考虑引用以下论文：\n```\n@InProceedings{Guo_2022_CVPR,\n    author    = {Guo, Chuan和Zou, Shihao和Zuo, Xinxin和Wang, Sen和Ji, Wei和Li, Xingyu和Cheng, Li},\n    title     = {Generating Diverse and Natural 3D Human Motions From Text},\n    booktitle = {IEEE\u002FCVF计算机视觉与模式识别会议（CVPR）论文集},\n    month     = {June},\n    year      = {2022},\n    pages     = {5152-5161}\n}\n```\n\n### 其他\n如有任何问题或意见，请联系Guo Chuan，邮箱：cguo2@ualberta.ca。\n\n## 点赞历史\n\n[![点赞历史图表](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FEricGuo5513_HumanML3D_readme_16286e10b7b0.png)](https:\u002F\u002Fstar-history.com\u002F#EricGuo5513\u002FHumanML3D&Date)","# HumanML3D 快速上手指南\n\nHumanML3D 是一个大规模的 3D 人体动作 - 语言数据集，源自 HumanAct12 和 AMASS 数据集的结合。它涵盖了日常活动、体育运动、杂技和艺术表演等多种人类动作，每个动作片段配有 3-4 句自然语言描述，广泛应用于文本生成 3D 动作（Text-to-Motion）等研究任务。\n\n---\n\n## 环境准备\n\n### 系统要求\n- 操作系统：Linux \u002F macOS \u002F Windows（推荐 Linux）\n- Python 版本：3.7.10\n- GPU（可选）：用于加速数据处理或后续模型训练\n\n### 前置依赖\n请确保已安装以下基础工具：\n- `conda`（推荐通过 [Miniconda](https:\u002F\u002Fdocs.conda.io\u002Fen\u002Flatest\u002Fminiconda.html) 安装）\n- `git`\n- `ffmpeg`（用于生成动画视频，版本建议 4.3.1）\n- `spacy` 英文模型（用于文本处理）\n\n> 💡 国内用户可使用清华镜像源加速 conda 和 pip 安装：\n> ```bash\n> conda config --add channels https:\u002F\u002Fmirrors.tuna.tsinghua.edu.cn\u002Fanaconda\u002Fpkgs\u002Fmain\u002F\n> pip config set global.index-url https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n---\n\n## 安装步骤\n\n### 1. 克隆仓库\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002FHumanML3D.git\ncd HumanML3D\n```\n\n### 2. 创建并激活虚拟环境\n```bash\nconda env create -f environment.yaml\nconda activate torch_render\n```\n\n若上述命令失败，可手动安装核心依赖：\n```bash\npip install numpy scipy torch tqdm pandas matplotlib==3.3.4 spacy==2.3.4\npython -m spacy download en_core_web_sm\n```\n\n> ⚠️ 注意：务必使用 `matplotlib==3.3.4`，否则生成的数据可能与参考数据存在微小偏差。\n\n### 3. 下载人体模型文件\n从以下地址下载模型并放入 `.\u002Fbody_model\u002F` 目录：\n- **SMPL+H 模型**：[https:\u002F\u002Fmano.is.tue.mpg.de\u002Fdownload.php](https:\u002F\u002Fmano.is.tue.mpg.de\u002Fdownload.php)  \n  → 选择 \"Extended SMPL+H model used in AMASS project\"\n- **DMPL 模型**：[https:\u002F\u002Fsmpl.is.tue.mpg.de\u002Fdownload.php](https:\u002F\u002Fsmpl.is.tue.mpg.de\u002Fdownload.php)  \n  → 选择 \"DMPLs compatible with SMPL\"\n\n解压后将所有 `.pkl` 或 `.npz` 文件移至：\n```bash\nmkdir -p body_model\n# 将下载的模型文件移动到此目录\n```\n\n### 4. 获取 KIT-ML 数据（可选）\nKIT-ML 可直接下载：\n👉 [Google Drive 链接](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1D3bf2G2o4Hv-Ale26YW18r1Wrh7oIAwK?usp=sharing)\n\n> ❗ HumanML3D 主数据因 AMASS 分发政策限制，无法直接提供，需自行从 AMASS 重构。\n\n---\n\n## 基本使用\n\n### 步骤一：处理原始姿态数据\n依次运行以下 Jupyter Notebook 脚本以构建 HumanML3D 数据集：\n\n```bash\njupyter notebook raw_pose_processing.ipynb\njupyter notebook motion_representation.ipynb\njupyter notebook cal_mean_variance.ipynb\n```\n\n> ✅ 每步完成后请检查输出是否符合预期，确保数据流程正确。\n\n### 步骤二：生成动画（可选）\n如需可视化动作片段，运行：\n```bash\njupyter notebook animation.ipynb\n```\n> 若未安装 `ffmpeg`，可修改代码生成 `.gif` 格式动画（耗时较长）。\n\n### 步骤三：查看最终数据\n处理完成后，核心数据位于 `.\u002FHumanML3D\u002F` 目录，结构如下：\n\n```\n.\u002FHumanML3D\u002F\n├── new_joints.rar          # 3D 关节点坐标 (N, 22, 3)\n├── new_joint_vecs.rar      # 提取的特征向量\n├── texts.rar               # 文本描述文件\n├── Mean.npy \u002F Std.npy      # 特征标准化参数\n├── train.txt \u002F test.txt    # 数据划分列表\n└── animations.rar          # MP4 动画视频（如果生成）\n```\n\n### 数据读取示例（Python）\n```python\nimport numpy as np\nimport os\n\ndata_dir = \".\u002FHumanML3D\"\njoint_file = os.path.join(data_dir, \"new_joints\", \"000000.npy\")\ntext_file = os.path.join(data_dir, \"texts\", \"000000.txt\")\n\n# 加载 3D 动作数据 (T, 22, 3)\nmotion = np.load(joint_file)\n\n# 加载文本描述\nwith open(text_file, 'r', encoding='utf-8') as f:\n    lines = f.readlines()\n    for line in lines:\n        parts = line.strip().split('#')\n        description = parts[0]  # 原始描述\n        print(f\"动作描述: {description}\")\n```\n\n> 📌 文件名规则：`XXXXXX.npy` 对应原始动作，`MXXXXXX.npy` 为其镜像版本；文本文件命名一致，内容按 `描述#分词结果#起始时间#结束时间` 格式存储。\n\n---\n\n完成以上步骤后，您即可基于 HumanML3D 开展文本驱动的动作生成、跨模态检索等研究。更多相关项目可参考官方提供的 [T2M](https:\u002F\u002Fericguo5513.github.io\u002Ftext-to-motion)、[TM2T](https:\u002F\u002Fericguo5513.github.io\u002FTM2T) 等工作。","一家游戏开发团队正在为一款开放世界 RPG 制作 NPC 的自然行为系统，希望实现通过文本指令直接生成多样化的 3D 人物动作。\n\n### 没有 HumanML3D 时\n- **数据获取困难**：缺乏大规模且带有详细文本标注的 3D 动作数据，团队需手动录制动作并逐帧编写描述，耗时数月仅能积累少量样本。\n- **动作与语言割裂**：现有数据集（如纯动作库 AMASS）缺少自然语言描述，导致训练出的模型无法理解“向左翻滚”或“悲伤地行走”等复杂语义指令。\n- **多样性严重不足**：自建数据集覆盖场景有限，NPC 动作重复单调，难以涵盖从日常散步到高难度杂技等广泛行为，玩家极易产生审美疲劳。\n- **研发成本高昂**：由于缺乏标准基准，团队需自行设计评估指标和数据增强策略，算法迭代周期长且效果难以量化。\n\n### 使用 HumanML3D 后\n- **数据即刻可用**：直接利用包含 1.4 万段动作和 4.5 万条描述的现成数据集，涵盖日常、运动、舞蹈等多领域，几天内即可启动模型训练。\n- **语义精准对齐**：依托其高质量的动作 - 语言配对数据，模型能准确解析文本指令，生成符合“顺时针旋转”或“快速冲刺”等细微语义差别的流畅动作。\n- **行为丰富自然**：借助数据集内置的镜像增强处理和广泛的动作类别，NPC 展现出极高的行为多样性，显著提升了游戏世界的沉浸感。\n- **研发效率倍增**：基于统一的数据标准和官方提供的评估脚本，团队可快速复现 T2M、MoMask 等前沿算法，将开发重心从数据清洗转向业务逻辑优化。\n\nHumanML3D 通过提供大规模、高精度的动作 - 语言配对数据，彻底打通了从自然语言文本到高质量 3D 人物动作生成的自动化链路。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FEricGuo5513_HumanML3D_aef96ff3.png","EricGuo5513","Chuan Guo","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FEricGuo5513_06069aeb.jpg","Research Scientist, Snap Inc.","Snap Inc.","New York","guochuan5513@gmail.com",null,"https:\u002F\u002Fericguo5513.github.io\u002F","https:\u002F\u002Fgithub.com\u002FEricGuo5513",[84,88],{"name":85,"color":86,"percentage":87},"Python","#3572A5",77.4,{"name":89,"color":90,"percentage":91},"Jupyter Notebook","#DA5B0B",22.6,1437,132,"2026-04-07T10:30:10","MIT","未说明",{"notes":98,"python":99,"dependencies":100},"1. 必须安装 ffmpeg (版本 4.3.1) 用于生成动画视频，若无法安装可改用 GIF 格式但耗时更长且占用更多内存。\n2. 需手动下载并配置 SMPL+H 和 DMPL 人体模型文件至 .\u002Fbody_model\u002F 目录。\n3. 数据集并非直接提供，需克隆仓库后运行指定脚本从 AMASS 数据集复现生成（KIT-ML 数据集可直接下载）。\n4. 建议使用 conda 创建虚拟环境（environment.yaml），特定版本的 matplotlib (3.3.4) 可防止生成数据出现偏差。","3.7.10",[101,102,103,104,105,106,107],"numpy","scipy","pytorch","tqdm","pandas","matplotlib==3.3.4","spacy==2.3.4",[109,14,16],"视频",[111,112,113,114],"dataset","deep-learning","motion-generation","text-annotation","2026-03-27T02:49:30.150509","2026-04-09T01:25:01.337933",[118,123,128,133,138,143],{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},25481,"处理 KIT 数据集时遇到文件扩展名错误（.npz 而非 .npy）或 FileNotFoundError 怎么办？","这是一个已知问题，通常是因为数据处理脚本需要按顺序执行。在运行生成新文件名（如 000000.npy）的步骤之前，必须先完成所有子数据集的处理（即运行完 raw_pose_processing.ipynb 中的第 4 个单元格）。如果问题依然存在，请参考相关的修复 Pull Request：https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002FHumanML3D\u002Fpull\u002F61。","https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002FHumanML3D\u002Fissues\u002F25",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},25482,"运行 motion_representation.ipynb 时出现的误差图（Error plots）数值较大，这正常吗？","这是完全正常的。即使运行 motion_representation.ipynb 时显示的误差看起来很大，只要后续运行 cal_mean_variance 时误差保持在较小范围内，就说明数据处理没有问题。这通常与可视化库（如 matplotlib）的显示方式有关，不影响最终数据质量。","https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002FHumanML3D\u002Fissues\u002F21",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},25483,"如何将自定义的 MoCap 数据（如 .c3d 或 BVH 格式）转换为 HumanML3D 格式（new_joints 和 new_joint_vecs）？","可以按照以下步骤操作：\n1. 使用生物力学库（如 Kineticstoolkit）读取 .c3d 文件中的标记点（Markers）和模拟量（Analogs）。\n2. 分析关节并可视化运动（可选）。\n3. 选择前 22 个 SMPL 关节以与 HumanML3D 保持一致，并根据 SMPL 结构重命名关节以确保统一性。\n4. 输出结果应与 raw_pose_processing.ipynb 生成的 .\u002Fjoints 文件夹中的数据格式相同，随后可直接用于 HumanML3D 流程的后续步骤。","https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002FHumanML3D\u002Fissues\u002F115",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},25484,"raw_pose_processing.ipynb 输出的 joints 文件夹中，numpy 文件的维度 [frames, 52, 3] 代表什么含义？","维度 (52, 3) 代表 52 个关节点的 (x, y, z) 坐标。其中前 22 个是主要的 SMPL 关节点，后续步骤通常只使用前 22 个关节。如果您有自己的 SMPL 格式数据想要转换，可以将后 30 个关节的维度填充为零，以符合 HumanML3D 的输入格式要求。","https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002FHumanML3D\u002Fissues\u002F52",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},25485,"如何从视频生成 HumanML3D 格式的数据？VIBE 输出的 SMPL 数据可以直接使用吗？","可以使用 VIBE 等方法从视频中提取 SMPL 数据。虽然 VIBE 生成的是 SMPL 数据而 AMASS 提供的是 SMPLH，但两者具有相同的运动学链（Kinematic chains），区别仅在于 SMPLH 包含手部姿态，而 HumanML3D 数据中并不包含手部姿态。因此，您只需获取自定义数据的 3D 关节位置，然后运行 motion_representation.py 脚本即可将其转换为 HumanML3D 格式。","https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002FHumanML3D\u002Fissues\u002F8",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},25486,"HumanML3D 数据处理流程中是否必须使用逆运动学（IK）来获取局部旋转？","AMASS 数据集本身已经提供了局部旋转数据。在 HumanML3D 的处理流程中，使用逆运动学（IK）通常是为了从全局关节位置推导或验证局部旋转，或者在处理非 AMASS 来源的自定义数据（仅有全局坐标）时是必要的步骤。如果您的数据源（如 AMASS）已包含准确的局部旋转，则可以直接利用，无需重新通过 IK 计算，除非需要进行特定的数据对齐或清洗。","https:\u002F\u002Fgithub.com\u002FEricGuo5513\u002FHumanML3D\u002Fissues\u002F66",[]]