Deep learning 如何基于姿势参数可视化SMPL模型的三维关节

我试图在中使用

demo.py

。我感兴趣的是从推断出的图像中获取关节，并将其可视化，类似于本项目自述中所述：

我也在这里发布了这个问题：

我试过的都没用。 我改成

pred_顶点、pred_顶点、pred_相机、smpl_姿势、smpl_形状=模型（…）

获取

smpl_姿势

（形状

火炬大小（[1,24,3,3]）

）。然后，我通过执行

smpl\u pose.cpu（）.data.numpy（）[：，：，：，，-1]。展平（'C'）。重塑（1，-1）

，并使用生成的

（1，72）

姿势参数作为中的输入

结果的可视化在我看来并不正确。这是正确的方法吗？也许有一个更简单的方法来做我正在做的事情。 问题是

smpl_pose (of shape torch.Size([1, 24, 3, 3]))

SMPL姿势参数表示为旋转矩阵。 您需要将旋转矩阵转换为轴角度表示，即（72,1）。你可以使用罗德里格斯公式来做这件事，正如论文中所说：

从报纸上获取更多信息：