momask-codes

用掩码建模生成逼真3D动作,支持文本驱动

MoMask 是 CVPR 2024 的官方实现,用于 3D 人体动作生成。它提出了一种基于掩码建模的生成框架,将动作序列离散化为量化码本,通过双向 Transformer 学习掩码预测,并以残差量化保留细节。该模型支持文本到动作、动作到动作等多种生成任务,能生成高质量、多样化的动作序列。核心能力包括:高效的动作量化、可控的生成过程、以及支持长序列生成。MoMask 解决了现有方法在动作多样性和时间连贯性上的不足,为数字人动画、游戏开发等场景提供了先进的技术方案。

开源 free 数字人3D
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1318
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类数字人3D
开发团队EricGuo5513
所属国家
定价模式free
价格说明开源项目,MIT许可证,可免费使用和修改,无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型3d-generation,animation,motion,motion-generation,motion-synthesis,text-driven,text-to-motion
GitHub 星标★ 1318
30天Star增速
HF 下载量
上线时间2023-11-29 00:00:00
最近更新2026-09-22 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

难度:入门 约 10 分钟 部署方式:本地安装 4 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • Python 3.10(官方仅在此版本测试过 pip 安装方式)
  • 已安装 pip 与 git
  • 可访问 GitHub 的网络环境
  • 可选:若不想本地配置环境,可使用在线 Demo(HuggingFace / Colab)

安装与启动步骤

  1. 1获取项目代码

    从官方仓库克隆 MoMask 源码到本地;若已有源码可跳过此步。

    git clone https://github.com/EricGuo5513/momask-codes.git
  2. 2进入项目目录

    切换到刚克隆下来的项目根目录,后续命令都在此目录执行。

    cd momask-codes
  3. 3安装依赖(pip 方案)

    README 提供的替代安装方式,用于 conda 环境搭建困难时;官方在 Python 3.10 下测试通过。

    pip install -r requirements.txt
  4. 4使用在线 Demo(可选)

    不想本地配置环境时,README 提供 HuggingFace WebUI 与 Colab 两个在线入口,其中 WebUI 在 CPU 上即可运行。

如何确认成功

执行 pip install -r requirements.txt 无报错即完成环境安装;也可打开 HuggingFace WebUI Demo 试用确认效果。

常见问题

Q:conda 环境搭建失败怎么办?

A:README 提供了替代方案:直接执行 pip install -r requirements.txt,该方式在 Python 3.10 上测试通过。

Q:没有 GPU 可以使用 MoMask 吗?

A:可以。README 提到 HuggingFace WebUI demo 已可在 CPU 上流畅运行,无需 GPU。

Q:有在线体验版本吗?

A:有。README 提供了 HuggingFace WebUI Demo 与社区 Colab Demo 两个在线入口,可直接试用。

Q:可以在 Blender 里使用吗?

A:可以。README 提到已有社区贡献的 Blender 插件及配套设置教程,可通过其中链接查看。

注意事项

  • 本 README 节选未包含完整的训练与推理命令,实际使用请查阅官方仓库完整说明。
  • 官方测试的 Python 版本为 3.10,建议在该版本环境下安装依赖。
  • README 中的 WebUI 与 Colab 均为在线体验入口,本地部署仅为 pip 安装依赖这一步。
  • 若项目对你有帮助,README 建议为仓库加星并引用 CVPR 2024 论文。

核心亮点

  • CVPR 2024 官方实现,算法新颖且经过学术验证
  • 支持文本到动作、动作到动作等多种生成模式
  • 采用残差量化,动作细节保留更完整

不足之处

  • 依赖预训练的动作量化码本,训练成本较高
  • 文档和社区支持相对有限,上手门槛较高

适用场景

  • 数字人动画制作,快速生成自然动作
  • 游戏开发中角色动作的自动生成与变体
  • 虚拟现实/增强现实中的交互动作响应

替代项目

Motion Diffusion Model (MDM)、HumanML3D、T2M-GPT

项目介绍

momask-codes 是数字人3D领域的开源项目,由 EricGuo5513 开发,2023 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(1,318)位列前 30%,在数字人3D分类中处于中上游。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-22。MIT许可证,可免费使用和修改,无付费版本。

它主要面向的使用场景是:数字人动画制作,快速生成自然动作。同类可对比的替代方案包括 Motion Diffusion Model (MDM)、HumanML3D、T2M-GPT。

上一篇:One-2-3-45

下一篇:Hunyuan3D-2-WinPortable

同类项目推荐

A3D 开源

在 three.js 里直接调用 AI 生成纹理和素材,边建模边生成

3D x AI hybrid editor, built with three.js

★ 129 2026-08-09
cube 开源

用一句话生成 3D 模型,在 Roblox 里快速落地 AI 创作

Roblox Foundation Model for 3D Intelligence

★ 1254 2026-08-09
AG3D 开源

用2D图片直接生成3D虚拟人,告别昂贵扫描

Official code release for ICCV2023 paper AG3D: Learning to Generate 3D Avatars from ···

★ 272 2026-08-09
GameFactory-3A 开源

一条命令生成 3A 游戏资产,从模型到视频全自动

A comprehensive open-source 3A game-generation skill and asset framework.

★ 798 2026-08-21