Характеристики

Лицензия: MIT
Архитектура: motius-universal-smplh-joints66-tmr · dense
Библиотека: motius
Опубликована: 12 июл 2026

Ссылки

motius-evaluator-universal-smplh-joints66

ЭмбеддингиТекст → embedding3 профессии

Модель Motius на архитектуре TMR извлекает совместимые признаки текста и движений человека для их сопоставления и оценки.

12скачиваний за 30 дней0лайковвеса обновлены14 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

Это обученная с нуля реализация архитектуры TMR от Motius для оценки и сопоставления текстовых описаний с движениями человека. Она кодирует текст и последовательности позы, представленные координатами 22 суставов тела SMPL в формате xyz с частотой 30 кадров в секунду, в общее пространство признаков. В артефакт входят текстовый энкодер на базе DistilBERT, энкодеры движения и текста, декодер реконструкции и статистики нормализации обучающей выборки.

Контрольная точка обучена на полном наборе HYMotion Data SFT и объединённом наборе MotionHub для движений одного человека; опубликован epoch 248 исправленного обучающего прогона. Модель предназначена для извлечения признаков и оценки соответствия между текстом и движением, в том числе в протоколе T2M leaderboard. Это не официальный чекпойнт TMR. Лицензия — MIT.

Сценарии применения

Оценка соответствия описания последовательности движений человека
Извлечение признаков текста и позы для поиска пар текст—движение
Сравнение качества текстово-двигательных моделей в бенчмарке T2M

Ограничения

Представление движения ограничено координатами 22 суставов SMPL с частотой 30 кадров в секунду и обучающими данными для одного человека. Чекпойнт является воспроизведением Motius, а не официальной моделью TMR.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.9Отраслевые задачиМедиа, журналистика, культура, архивы и игрыAI помогает создавать, искать, сохранять и персонализировать медиа, культурный и игровой контент.44 задачи14 938моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей IV.1Отраслевые задачиРитейл, электронная коммерция и fashion-techAI помогает управлять ассортиментом, покупательским опытом и эффективностью торговых операций.29 задач5 934модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Motius Universal SMPL-22 Joints66 Evaluator

Motius reproduction of the TMR architecture, trained from scratch on the full HYMotion Data SFT set and the full single-person MotionHub training union. Motion is represented as canonicalized SMPL body-joint positions (22 joints in xyz) at 30 fps. This is a Motius-trained checkpoint, not an official TMR checkpoint.

Provenance

Architecture paper: TMR: Text-to-Motion Retrieval Using Contrastive 3D Human Motion Synthesis
Original architecture repository: Mathux/TMR
Motius implementation: TMRBundle / TMRTextMotionEvaluator

Artifact layout

model.safetensors: TMR motion/text projection encoders and reconstruction decoder
text_encoder/: bundled DistilBERT tokenizer and weights for offline loading
stats/: training-set joints66 normalization statistics
config.json and preprocessor_config.json: architecture and protocol
artifact_manifest.json: file and source-checkpoint hashes

The public checkpoint is epoch 248 from the corrected canonicalization, caption, training-data, and normalization run used by the Motius T2M leaderboard.

Download

from huggingface_hub import snapshot_download

artifact = snapshot_download("ZeyuLing/motius-evaluator-universal-smplh-joints66")

from motius.evaluation.evaluators import TMRTextMotionEvaluator

evaluator = TMRTextMotionEvaluator.from_pretrained(artifact, local_files_only=True)

Как запустить

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

GPU в ailist

Универсальный рантайм · motius

Нельзя запустить

Архитектура motius-universal-smplh-joints66-tmr неизвестна transformers в образе рантайма.

Класс архитектуры: TMRBundle
Ревизия весов: 18f275b