Kimodo-SOMA-RP-v1.1数据集解析700小时动作捕捉数据的价值【免费下载链接】Kimodo-SOMA-RP-v1.1项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/Kimodo-SOMA-RP-v1.1Kimodo-SOMA-RP-v1.1是NVIDIA推出的基于SOMA骨骼的3D动作生成模型其核心优势源于高质量的Bones Rigplay动作捕捉数据集。该数据集包含700小时的人类运动数据通过传感器自动采集与人工标注结合的方式构建为动画创作、机器人仿真等领域提供了强大的数据支持。数据集核心价值700小时动作捕捉的独特优势Bones Rigplay数据集作为Kimodo-SOMA-RP-v1.1的训练基础具有三大核心特点数据规模700小时的运动数据覆盖了日常活动、 locomotion行走/奔跑、手势、战斗、舞蹈等多元场景确保模型能生成丰富多样的动作序列。数据质量采用传感器自动采集与人工标注的混合模式配合严格的数据清洗流程如移除腕部/肩部扭曲伪影保证了运动数据的精准性与自然度。结构优化数据基于30关节SOMA骨骼系统构建输出包含根节点平移num_frames x 3矩阵和关节旋转num_frames x 30 x 3 x 3矩阵完美适配3D动画生产需求。数据集技术架构与应用场景数据模态与处理流程Bones Rigplay数据集包含文本描述与人类动作捕捉双模态数据文本模态提供动作的自然语言描述如“缓慢行走”“挥手致意”用于训练模型的文本-动作映射能力。动作模态以30fps采样率记录骨骼运动通过stats/motion/body/mean.npy和stats/motion/body/std.npy等文件存储标准化参数确保模型输入的一致性。典型应用场景该数据集支持多领域的3D动作生成需求游戏与影视动画快速生成角色行走、战斗等核心动作减少手动关键帧制作成本。机器人仿真为Unitree G1等人形机器人提供拟人化运动参考加速机器人动作规划研发。数字孪生构建工业场景中的虚拟人物动作库提升模拟训练的真实感。如何获取与使用数据集数据集获取Bones Rigplay数据集随Kimodo-SOMA-RP-v1.1模型一同发布可通过以下命令克隆项目仓库git clone https://gitcode.com/hf_mirrors/nvidia/Kimodo-SOMA-RP-v1.1数据集相关配置文件位于项目根目录的config.yaml其中stats_path参数指定了运动数据标准化文件的路径motion_rep: _target_: kimodo.motion_rep.KimodoMotionRep fps: 30 stats_path: ${oc.select:checkpoint_dir}/stats/motion/使用注意事项硬件要求推荐使用NVIDIA Ampere及以上架构GPU如RTX 3090/4090进行模型训练与推理以充分利用CUDA加速能力。伦理规范数据集已平衡男女演员的动作比例使用时建议避免通过文本提示强化性别等刻板印象例如采用“人物缓慢行走”而非“老人缓慢行走”的中性描述。数据集版本迭代与未来展望Kimodo-SOMA-RP-v1.1相比v1版本对数据集进行了关键优化训练集扩展调整训练/测试集划分避免与Kimodo Motion Generation Benchmark测试集重叠同时增加训练数据多样性。质量提升通过二次数据清洗进一步减少关节扭曲等异常动作提升模型输出稳定性。未来随着Bones-SEED等开源数据集的完善NVIDIA计划推出更多基于不同骨骼系统如SMPLX-body的模型版本持续拓展动作生成的应用边界。通过700小时高质量动作捕捉数据的赋能Kimodo-SOMA-RP-v1.1正在重新定义3D动画创作的效率与可能性无论是专业动画师还是机器人开发者都能从中获取符合需求的精准动作数据。【免费下载链接】Kimodo-SOMA-RP-v1.1项目地址: https://ai.gitcode.com/hf_mirrors/nvidia/Kimodo-SOMA-RP-v1.1创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考