T
T
could I get your reproduced code for study? Thanks a lot! @youngstu
还有，请问您论文比较3D pck 和 AUC 采用的是LifeNet得到的joint 还是 MANO模型映射后的joint？LiftNet 得到的的joint 和 MANO模型得到的joint 误差大吗？
感谢作者的回答！解答了我的疑问！还有问题想请教您一下： 1）您在论文采用了分阶段的训练策略，是因为先基于heatmap和silhouette获得一个比较的好的特征抽取器，对于后面LifeNet预测3D pose有帮助吗？ 如果两个网络耦合到一起训练是不是结果会比较差？ 2）我了解到MANO模型的 β 和 θ 参数的回归可以通过图像信息直接回归还有您论文中通过预测的 root-relative 3d pose 以 IK 的方式回归，请问这两种方式的优缺点都是什么啊？
请问实现了吗，在实现中有什么难点吗？
你不是用到了deepspeed_stage_zero3，换zero2应该可以跑 @qiji2023
> 1. 目前的模型是同时完成的。我们也做了一个带有cfg-embedding的方案，可能会在后续发布。蒸馏方案是dmd2。 > 2. 固定5.0 > 3. 大约3w+的数据量，48卡H100 谢谢您的解答，还有几个问题想请教下， 1.cfg-embedding模型训练时候，是全参微调的吗（如果数据量比较少的话，用lora会稳定训练些吗），cfg选值的范围大概是多少；以及为什么DMD的方案用到flow matching模型的时候，可以将预测的x0作为score。 2.我看到您在causvid-plus的reademe中说蒸馏数据来源于mixkit数据集，请问i2v-720p蒸馏模型的3w数据是有其他来源吗，还是用wan2.1的t2v或者i2v模型生成的。