文章目录摘要abstract一、实验二、比赛总结摘要实验比赛微总结。abstractA brief summary of the experiment and the competition.一、实验Smplpytorch实验代码先实验文件的demo图像弄清楚流程。数据随机demo.py。随机生成一组‘姿态参数’和‘体型参数’然后调用函数。models/*.pkl 存放着真实人体的原始蓝图。是由数千名真人的扫描数据汇总而成的数学统计模型记录了人类体型变化和骨骼运动的基本规律。模型搬运工serialization.py负责把pkl文件读取出来转换成 PyTorch 能够计算的内存张量。3D引擎与数学工具smpl_layer.py / tensutils.py。smpl_layer.py 接收到搬运工送来的蓝图和导演要求的姿态参数通过复杂的线性混合剥皮算法LBS精确算出人体表面 6890 个顶点的 3D 空间坐标。 rodrigues_layer.py 负责处理关节转动。把简单的‘旋转向量’轴角转换成复杂的 3D 旋转矩阵确保木偶的肩膀、手肘和膝盖能像真人一样自然地转动。照相机display_utils.py。负责把坐标数据变成我们能看到的图片或者保存成标准的 3D 模型文件.obj。改变shape,pose对于同一参数。基准改变shape改变pose验证动态关节回归器二、比赛可解释预测建模与特征分析实验先理解数据再用多个模型比较最后用 SHAP/PDP 解释模型是否符合核能物理规律。给出数据。问题核能数据中的输入变量和输出结果有什么关系哪些机器学习模型适合不同类型的数据集模型预测结果是否符合核能系统的物理规律整体思路是先看数据 → 再选模型 → 比较结果 → 分析多输出 → 最后解释模型。先判断数据有没有冗余变量、非线性关系、物理特征再决定用什么模型。模型选择总结本周主要是在上一周论文的基础上进行了代码的实验然后赶上了竞赛。下周工作会继续学习3D人体方向的内容。