/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
motius
Опубликована
24 июл 2026

Motius-GEM-X

Языковая модельВидео, текст → видео

GEM-X оценивает трехмерное движение всего тела человека по монокулярному RGB-видео и выдаёт позу, траекторию и сетку SOMA-X.

0скачиваний за 30 дней1лайквеса обновлены25 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GEM-X — модель оценки движений всего тела человека по одному RGB-видео, распространяемая в репозитории Motius и основанная на разработке NVIDIA. Она предназначена для монокулярного захвата движения: по видеозаписи модель восстанавливает позу и траекторию человека, используя параметрическую модель тела SOMA-X.

Модель предсказывает представление SOMA-77: осевые углы для 77 суставов, коэффициенты идентичности и масштаба, а также перемещения корня тела и камеры. Результат включает именованные суставы и низкополигональную сетку SOMA-X с 4505 вершинами. Репозиторий содержит ONNX-артефакты и сопутствующие модели и ресурсы для запуска конвейера. На тесте 3DPW авторы сообщают MPJPE 84,38 мм и PA-MPJPE 53,20 мм по общей подвыборке суставов; метрики в мировых координатах для описанного запуска недоступны, поскольку без внешней визуальной одометрии используется неподвижная траектория камеры.

Модель подходит для извлечения трехмерной кинематики и анимации человека из обычного видео. Она ориентирована на захват движения по монокулярной RGB-записи и выдаёт структурированные данные тела и сетку, а не текст. В метаданных указана лицензия other; конкретные условия использования следует сверить с лицензией исходной модели NVIDIA и включённых компонентов.

Сценарии применения

  • захват движения человека по одиночной видеокамере
  • восстановление трехмерной позы и траектории тела из RGB-видео
  • создание анимации персонажа по видеозаписи
  • извлечение суставной кинематики для анализа движений
  • оценка позы людей в видеоматериалах

Ограничения

Без внешней визуальной одометрии конвейер задаёт неподвижную траекторию камеры, поэтому мировые метрики для такого запуска недоступны. Оценка 3DPW использует только общую подвыборку суставов, а ошибка PVE не приводится.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GEM-X

GEM-X is NVIDIA's monocular whole-body motion estimator built around the SOMA-X parametric body model.

Tasks: Monocular Motion Capture

Supported Tasks

TaskPublic APIInputOutput
Monocular Motion Captureinfer_monocular_motion_captureRGB videoMonocularCaptureResult

Checkpoint

The Motius Hugging Face artifact is complete: GEM-X, SAM-3D-Body, DINOv3, ViTPose, YOLOX, MHR, SOMA-X identity/corrective assets, and normalization statistics are stored under their expected paths with SHA-256 provenance. Pipeline.from_pretrained therefore needs no source checkout or second model download.

Motion Representation

GEM-X natively predicts SOMA-77:

  • 77-joint axis-angle pose;
  • 45 identity coefficients;
  • 69 global/body-part scale parameters;
  • camera and world root translations;
  • 77 named joints and 4,505-vertex low-LOD SOMA meshes.

Motius keeps SOMA-X native. It does not manufacture SMPL vertices from a different topology. Cross-model 3DPW evaluation uses the audited common_hmr15_named_v1 joint subset; PVE is reported as unavailable.

Usage

Create an isolated environment without cloning GEM-X:

python3.10 -m venv outputs/envs/gem-x
outputs/envs/gem-x/bin/pip install -e ".[gem-x]"

Run the standard task API:

from pathlib import Path

from motius.motion.representation.monocular_capture import (
    save_monocular_capture_result,
)
from motius.pipelines.gem_x import GemXPipeline

pipeline = GemXPipeline.from_pretrained(
    "ZeyuLing/Motius-GEM-X",
    bundle_kwargs={
        "python_executable": "outputs/envs/gem-x/bin/python",
    },
)
result = pipeline.infer_monocular_motion_capture(
    "input.mp4",
    output_root="outputs/gem_x/run_001",
    materialize_geometry=True,
    render=True,
)
save_monocular_capture_result(
    result,
    Path("outputs/gem_x/run_001/result.npz"),
)

render=True requests the upstream keypoint, in-camera, and world previews. Leave it off for evaluation and batch inference.

Demo

This 768px, 30 FPS preview renders the world-space SOMA-X mesh returned by the public Motius pipeline.

GEM-X world-motion preview

Evaluation Results

Protocol: 3dpw_test_camera_v1, all 24 test videos and 37 official person tracks, evaluated on common_hmr15_named_v1.

CoverageMPJPE ↓PA-MPJPE ↓Acceleration ↓
100.00%84.38 mm53.20 mm5.616 m/s²

The official demo emits an identity camera trajectory when no external visual odometry is supplied. These are camera-space metrics; world-space ranking is unavailable for that run.

Stage Parity

The strict gate compares all persisted boundaries. Deterministic fields are bitwise exact. The official contact IK/SOMA CUDA postprocess is non-deterministic across independent processes, so only its 15 explicitly named descendants use a hard 3e-6 absolute-error ceiling. No global tolerance is applied.

BoundaryFieldsRequirementResult
Tracking2exactpass
Keypoints and camera2exactpass
Visual features2exactpass
Complete model input18exactpass
Raw network output and deterministic decoded fields27exactpass
Contact-postprocessed model fields7atol ≤ 3e-6max 6.71e-7
SOMA geometry4atol ≤ 3e-6max 2.38e-6
Public result9exact except 4 descendantsmax 9.54e-7
Total71field-scoped policypass
python tools/verify_monocular_pipeline_parity.py \
  --profile gem-x \
  --reference outputs/parity/gem_x/reference_trace.npz \
  --candidate outputs/parity/gem_x/motius_trace.npz

License

GEM-X source is Apache-2.0 and the public weights use the NVIDIA Open Model License. SAM-3D-Body, DINOv3, SOMA-X, MHR, and their assets retain their own terms. See the GEM-X attributions and the packaged third-party notices before use.

Direct Loading

from motius import Pipeline

pipeline = Pipeline.from_pretrained("ZeyuLing/Motius-GEM-X")

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · motius

Нельзя запустить

Модели «видео → видео» пока не запускаются.

Ревизия весов
2699b6c

0 моделей