通过 DeepLabCut 和 OmniTrax 捕捉视频中狗的姿态并将骨架导入 Blender

如需使用 GPU，请先安装 PyTorch：pip install torch torchvision。如果 OmniTrax 需要 TensorFlow 模型，请安装 TF 版本：pip install "deeplabcut[gui,tf]"。DeepLabCut 开发者计划在 3.2 版本中弃用 TensorFlow 引擎。

执行后，指定文件夹中将出现项目目录，包含 config.yaml 以及用于视频和标注的子文件夹。

import deeplabcut

deeplabcut.create_new_project(
    "DogPose",
    "YourName",
    ["/full/path/to/dog_video.mp4"],
    working_directory="/full/path/to/working_dir",
    copy_videos=True,
    multianimal=False
)

如果没有合适的预训练模型，需要手动标注 20 - 50 帧（Extract frames → Label frames）并训练网络 - 在 GPU 上需要数小时。

导出的模型会放在项目的子文件夹中。请记住该文件夹路径 - 在 OmniTrax 中会用到。模型需要与 deeplabcut-live 兼容。

import deeplabcut

cfg_path = "/full/path/to/your/project/config.yaml"
deeplabcut.export_model(cfg_path, iteration=None, shuffle=1, trainingsetindex=0, snapshotindex=None)

建议保持 System Console 窗口打开（Window → Toggle System Console），以便跟踪推理进度。

姿态关键点和骨架将叠加到视频上。如需将动作传递到 3D 绑定，请使用 Blender Motion Tracking 中的 Constraints。