毕业设计项目 | 人工智能 × 计算机图形学 × 元宇宙
一个基于深度学习，能够从高层语义指令（类别/文本）自动生成并驱动3D数字人动作的端到端系统。
系统演示GIF/截图位置 (训练完成后，请在此处添加一个GIF或截图，这是最重要的视觉展示)
在当前元宇宙及数字人产业中，高质量动作制作成本高昂、效率低下。本项目旨在研发一套 “指令输入-算法生成-虚拟人驱动” 的自动化系统，为元宇宙内容创作提供高效、低成本的解决方案。
- 智能生成：基于改进的条件生成对抗网络（cGAN），根据动作类别或简短文本描述，自动生成合理、多样的3D人体姿态序列。
- 物理合理：融合时空平滑损失与生物力学约束，有效减少动作抖动与肢体扭曲。
- 完整闭环：实现从PyTorch算法模型到Unity三维渲染引擎的完整技术演示闭环。
- 应用友好：生成标准BVH动画文件，兼容Maya、Blender等主流三维软件。
系统采用前后端分离的松耦合架构，通过标准化的BVH文件进行数据交换。
graph TD
A[用户指令] --> B[Unity前端]
B -- HTTP请求/BVH文件 --> C[Python后端]
B --> D[渲染驱动]
C --> E[深度学习推理]
D --> F[3D数字人动画]
E --> G[动作生成模型(cGAN)]
/algorithm- 深度学习模型- 数据预处理：清洗AMASS等数据集，标准化为22关节骨骼。
- 生成模型：以TCN为主干的cGAN，集成多目标损失函数(WGAN-GP, 平滑损失, 生物力学约束)。
- 评估体系：FID、多样性、条件匹配准确率等量化指标。
/unity_demo- Unity演示系统- 场景与角色：包含已绑定Humanoid骨骼的数字人模型与交互场景。
- 驱动控制器：核心脚本
AvatarController.cs，负责加载BVH动画并驱动角色。 - 用户界面：UGUI面板，提供动作选择、播放控制等功能。
/docs- 项目文档 (包含本项目完整的SDS设计文档)
- 算法端：
- Python 3.9
- PyTorch 2.1.1 + CUDA 12.1 或 11.8（如需GPU加速）。为确保与PyTorch 2.1.1的最佳兼容性，建议优先从PyTorch官方安装命令生成页面获取对应您系统的精确命令。
- 其他依赖：详见
algorithm/requirements.txt
- 渲染端：Unity 2022.3 LTS 或更高版本
- 三维工具：Blender 3.0+（用于检查BVH文件）
# 1. 克隆仓库
git clone https://github.com/your-organization/PoseGeneration-Core.git
cd PoseGeneration-Core/algorithm
# 2. 【强烈推荐】创建Python虚拟环境以隔离依赖
# 使用 conda
conda create -n posegen python=3.9
conda activate posegen
# 或使用 venv
python -m venv venv
# Linux/macOS: source venv/bin/activate
# Windows: .\venv\Scripts\activate
# 3. 安装PyTorch
# 安装支持CUDA 11.8的版本（兼容性更广，更稳定）
pip install torch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 --index-url https://download.pytorch.org/whl/cu118
# 如果仅使用CPU（不推荐用于训练）
pip install torch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 --index-url https://download.pytorch.org/whl/cpu
# 4. 安装项目其余依赖
pip install -r requirements.txt
# 5. 下载并预处理数据（示例）
python data/preprocessing.py --dataset amass --output_dir ./processed
# 6. 进行模型推理（示例）
python inference/generate.py --label walking --output ./animations/walk.bvh