UniMate快速开始从requirements.txt到首次推理的5个关键步骤【免费下载链接】UniMate[SIGGRAPH Asia 2026] UniMate: One Unified Model to Animate Diverse Skeletons项目地址: https://gitcode.com/GitHub_Trending/un/UniMateUniMate 是 SIGGRAPH Asia 2026 论文《One Unified Model to Animate Diverse Skeletons》的开源实现一个统一的骨骼动画生成模型用一段文本提示词即可为任意拓扑的骨架人形、四足、鸟类、海洋生物、昆虫乃至刚体机械实时生成动作无需针对每个骨架重新训练。本文将带你完成 UniMate 快速开始的全流程从安装 requirements.txt 依赖到跑通首次文本生成动作推理只需 5 个关键步骤。1. 克隆仓库与一键环境安装conda 环境创建步骤所有组件数据处理、渲染、训练、推理共用同一个 conda 环境依赖清单完整定义在 requirements.txt 中基于 Python 3.10 CUDA 12.4。克隆仓库git clone https://gitcode.com/GitHub_Trending/un/UniMate cd UniMate按官方推荐的 4 条命令安装环境conda create -n unimate python3.10 -y conda activate unimate pip install setuptools81 pip install -r requirements.txt --no-build-isolation 两个细节别踩坑必须先安装setuptools81再加--no-build-isolation因为 Motion 动画库依赖旧版pkg_resources较新的 setuptools 已不再提供该模块详见 requirements.txt 头部注释。依赖中预装了对应的bpyBlender Python 模块锁定bpy4.0.0无需单独安装 Blender 即可跑渲染相关流程。安装完成后可用任意一条推理命令验证环境是否就绪会提示缺少模型/数据集而不是包缺失即为成功。2. 下载 UniML3D 数据集获取动作特征推理的骨架条件T-pose 与拓扑来自数据集本身因此训练时使用的dataset/features/dataset/目录必须存在。UniMate 配套了UniML3D数据集——13,006 条文本配对的标准化动作序列覆盖多种骨骼拓扑数据获取方式原始资产通过 Hugging Face Hub 的hfCLI 下载 Mixamo、Objaverse-XL 绑骨资产仓库已内置下载脚本 run_download.sh如bash data_process/scripts/run_download.sh mixamo。处理后的训练/推理特征dataset/features/项目方正在准备开放发布发布前可直接使用官方发布的 checkpoint 配套数据布局。Truebones ZOO 动物动作为商业资产包需自行购买后放入dataset/raw/truebones/Truebone_Z-OO/说明见 data_process/README.md。3. 获取训练好的 Checkpoint选择推理权重推理从训练输出目录启动需要三样东西文件作用config.json解析后的训练配置推理时读取以重建模型dataset_stats.npy归一化统计量推理时复用checkpoints/checkpoint_step_*.pt模型/EMA/优化器状态项目方已在 Hugging Face 上发布了 UniMate 的预览 checkpointREADME 的 Checkpoints 徽章可直达目录结构与训练输出一致可直接作为exp_dir使用。如果你要自己训练配置文件位于 configs/ 目录共 8 个4 种数据组合 × 2 种模型变体均为 60 帧。例如 uniml3d_60frames_graph_adaln.json 使用全量 UniML3D 数据、graph 注意力 adaLN 文本条件。单卡训练只需一条命令accelerate launch -m unimate.training.train --config configs/uniml3d_60frames_graph_adaln.json4. 编写测试用例文本生成动作的 prompt 配置文本条件推理的核心是一个测试用例 JSON键为object_type-case_idobject_type 必须存在于数据集中case_id 是自由命名的输出文件标签值为动作描述 prompt。创建test_cases.json{ Dog-walk: a dog walks forward at a steady pace, Dragon-takeoff: a dragon flaps its wings and takes off }case_id会直接出现在输出文件名里motions/Dog-walk-rep_0-0.npy起个好名字会让结果一目了然。5. 首次推理运行 UniMate 文本生成动作命令在仓库根目录执行python -m unimate.inference.sample \ --exp_dir outputs/uniml3d_60frames_graph_adaln \ --test_cases_json test_cases.json \ --num_repetitions 3或使用封装好的脚本 run_sample_motion_text.sh——它会自动激活 conda 环境、挑选显存最充裕的 GPUbash scripts/run_sample_motion_text.sh outputs/uniml3d_60frames_graph_adaln test_cases.json关键参数速查参数说明--exp_dir训练/发布 checkpoint 输出目录--test_cases_json自定义 prompt 文件省略则自动枚举数据集 eval 划分--cfg_scale无分类器引导强度≥1.0默认读取训练配置--num_repetitions每个用例生成的样本数--seed固定噪声保证结果可复现--only_save_motion跳过 MP4 渲染只输出.npy动作特征输出结果在哪里每次运行在samples/下生成motions/case_id-rep_r-i.npy动作特征(T, J, 12)animations/case_id-rep_r-samplei_fk.mp4骨架渲染视频animations/object_type_tpos.png作为条件的 T-posecaptions.json每个.npy对应的 prompt 索引。推理入口完整实现在 unimate/inference/sample.py常用参数均可通过python -m unimate.inference.sample --help查看。进阶同一个模型免费解锁的 3 种玩法推理跑通后无需任何额外训练即可切换模式三者互斥且都需要--cfg_scale 1.0动作补间Motion in-betweening固定关键帧、生成中间过渡KEEP_FRAMES0,-1可自动填充首尾姿态之间的一切文本引导动作编辑--keep_joints Hips,Spine,Neck,Head锁定下半身用新 prompt 重新生成上半身动作动作扩展Motion expansion把多段 prompt 列表串联成长动作--expand_overlap控制衔接帧数。对应脚本分别为 run_sample_motion_inbetween.sh、run_sample_motion_edit.sh、run_sample_motion_expand.sh任意脚本带-h可查看完整选项。生成的.npy还可以交给数据流水线 Stage 5run_animate_motion.sh驱动原始网格导出带动画的 GLB/FBX完成从文本到可交付动画资产的最后一步。 至此UniMate 快速开始的全部 5 个步骤已完成环境安装 → 数据集 → checkpoint → 测试用例 → 首次推理。祝你的骨架动起来【免费下载链接】UniMate[SIGGRAPH Asia 2026] UniMate: One Unified Model to Animate Diverse Skeletons项目地址: https://gitcode.com/GitHub_Trending/un/UniMate创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考