vmd python 命令_【MMD】用python解析VMD格式读取

最新推荐文章于 2023-06-27 10:27:54 发布
VIP文章 最新推荐文章于 2023-06-27 10:27:54 发布
阅读量2k 收藏 5
点赞数 2
文章标签： vmd python 命令

前言

MikuMikuDance(简称MMD)是一款动画软件，早期视为Vocaload角色制作动画的软件，现在还经常能在B站等视频网站，或一些动画网站(某I站)看到MMD作品。

我在高中也简单学过操作这款软件以及PE、水杉等软件，学会了简单k帧、套动作、调渲染、加后期、压缩等技术，这与我学习计算机专业有很大的关系(虽然学校学的和这个八竿子打不着，或许我应该学美术去),现在已经分不清很多东西了，封面静画就是杂七杂八过气MME一锅扔的成果，得益于G渲的强大，还能看出一点效果。

现在我想学一些3D的开发，包括用程序读取模型、动作等，很快我就想到之前用过的MMD。

一些3D姿势估计(3D pose estimate)或许能得到骨骼位置以及PAF(骨骼间关系)，但我需要知道3D动画是如何储存动作数据的，才能想到怎样将姿势估计得到的数据转化为动作数据。

因此我找了一些资料解析MMD的动作数据VMD(Vocaload Mation Data)文件，并写下这篇记录。

我的参考文献：

MMD中的VMD文件格式详解国内博客，解释VMD格式并用Java读取

VMD file formatMMD Wiki

本文会用python解析vmd文件，并纠正上述文章的一点错误。

根据MMD的规矩，上借物表：

名称

来源

MikuMikuDanceE_v803

圝龙龍龖龘圝

八重樱

神帝宇

封面静画：

名称

类别\来源

LightBloom

背光

AutoLuminousBasic

自发光特效

HgSAO

阴影

SoftLightSB

柔化

SvSSAO

阴影

XDOF

景深

dGreenerShader

G渲

Tokyo Stage

场景

一、格式说明

首先，vmd文件本身是一个二进制文件，里面装着类型不同的数据：uint8、uint32_t、float，甚至还有不同编码的字符串，因此我们需要二进制流读入这个文件。

vmd格式很像计算机网络的协议格式，某某位是什么含义，区别是，vmd文件的长度理论上是无限的，让我们来看看。

vmd的大致格式如下：

头部

关键帧数量

关键帧

头部

最开始的就是头部(header)，看到这就有十分强烈的既视感：

类型

长度

含义

byte

30

版本信息

byte

10 or 20

模型名称

其中，版本信息(VersionInformation)长度为30，是ascii编码的字符串，翻译过来有两种，一为“Vocaloid Motion Data file”，二为“Vocaloid Motion Data 0002”，长度不足30后用\0(或者说b'\x00')填充。这是由于vmd版本有两种，大概是为了解决模型名称长度不足，因此后续只影响模型名称的占用长度。

模型名称(ModelName)，是动作数据保存时用的模型的模型名，通过这个我们可以获取到那个名称，我们知道，一个动作数据想要运作起来，只要套用模型的骨骼名称是标准的模板就可以，因此我想象不出这个名称有何用处，或许某些模型带有特殊骨骼，例如翅膀之类的，这样能方便回溯？模型名称的长度根据版本而决定，version1为10，version长度为20。编码原文写的是shift-JIS，是日语编码，这样想没错，然而我试验后发现并非如此，例如经常改模型的大神神帝宇的模型，他的模型名称用shift-JIS为乱码，用gb2312竟然能正常读出来；还有机动牛肉大神的模型，他的模型名称用gb2312无法解码，用shift-JIS解码竟然是正常的简体中文？？？怎么做到的？

骨骼关键帧(BoneKeyFrame)

骨骼关键帧，分为两部分：骨骼关键帧数、骨骼关键帧记录：

类型

长度

含义

uint32_t

4

骨骼关键帧数量 BoneKeyFrameNumber

类型

长度

含义

byte

15

骨骼名称 BoneName

uint32_t

4

关键帧时间 FrameTime

float*3

12

x,y,z空间坐标 Translation.xyz

float*4

16

旋转四元数x,y,z,w Rotation.xyzw

uint8_t * 16 or uint32 * 4

16

补间曲线x的坐标 XCurve

uint8_t * 16 or uint32 * 4

16

补间曲线y的坐标 YCurve

uint8_t * 16 or uint32 * 4

16

补间曲线z的坐标 ZCurve

uint8_t * 16 or uint32 * 4

16

补间曲线旋转的坐标 RCurve

byte

111

合计

为何要分开写呢？因为骨骼关键帧数量只需要一个就够了，而后面骨骼关键帧记录的数量会和前面的骨骼关键帧数量保持一致，最后大概是这种效果：

我们可以查一下，每个骨骼关键帧的数量为111字节。

旋转坐标

一开始还没发现，旋转坐标竟然有四个，分别为x, y, z, w，急的我去MMD里查看一下，发现和我印象中没有什么差别

都是[-180, 180]的角度值，我用程序跑的时候，这四个值完全看

最低0.47元/天 解锁文章
weixin_39797393
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
vpvp-vmd:MikuMikuDance Vocaloid-Motion-Data（.vmd）解析器
05-02
VpvpVmd MikuMikuDance Vocaloid-Motion-Data（.vmd）解析器 安装 $ npm install vpvp-vmd --save 原料药 vmd.parse（缓冲区）-> {header,bone,morph,ik,camera,light,shadow} .vmd MikuMikuDance的“保存运动数据”生成的.vmd文件.vmd为UTF-8并返回对象。 // Dependencies var vmd = require ( 'vpvp-vmd' ) ; var fs = require ( 'fs' ) ; // Main var vmdFile = fs . readFileSync ( './pose.vmd' ) ; var data = vmd . parse ( vpdFile ) ; console . log ( data
VMD软件安装包.zip
04-12
VMD是化学分子结构的开发软件，安装方法按步骤来就可以了!
MikuMikuDance软件，包含9.26版，64位，中文版，英文版，MME
05-26
MikuMikuDance软件，包含v7.39中文版，v9.26中文版，64位，英文版，均内含MME插件。
pso-vmd.zip_VMD 优化_vmd pso_优化VMD_熵_粒子群 VMD
07-14
提供 基于粒子群算法优化的变分模态分解算法，适应度函数选择的是模糊熵
用matlab编写了一个DSP数据处理小软件
lijil168的专栏
09-21 3215
因为当系统出现故障时，故障通常会对系统信号产生调制作用，使系统的响应信号振幅产生周期性的变化（调幅），或者频率产生周期性的变化（调频），这种周期性变化的频率对应于故障发生的频率，变化的大小对应于故障的强弱，经过本软件希尔伯特变换得到瞬时频率和瞬时振幅，即可找到故障发生的频率和故障强弱，希尔伯特变换在故障诊断中具有广泛的运用。5、将调制后的信号进行FFT变换：频分析->频谱，可看出以30HZ的载波频率为中心，间隔5HZ及10HZ的边频（调制信号的频率），通过边频分析定位故障源也是NVH故障分析的一种方法。
MMD中的VMD文件格式详解
周航的专栏
09-23 1万+
MMD中的VMD文件格式详解MMD中的VMD文件格式详解header MMD中的VMD文件格式详解 VMD是一个二进制流的文件。 header VMD有两个版本，你可以认为是v1跟v2。 前30个字节是版本描述。ASCII编码 v1是"Vocaloid Motion Data file" v2是"Vocaloid Moti
变分模态分解（VMD）-Python代码
枫的博客
04-23 1万+
Python实现变分模态分解——VMD
VMD分解python实现方法
晓林爱学习的博客
06-27 2275
本文将介绍VMD分解的原理及其在Python中的实现方法，并提供示例代码和案例应用。本文将介绍一个实际的案例应用，比如用于机械振动信号分析，通过VMD分解可以将复杂的振动信号分解为几个模态分量，从而实现故障诊断和预测。（3）第三方库PyVMD的使用：PyVMD是一个专门为VMD分解开发的Python库，提供了一套完整的VMD实现方法，包括信号预处理、VMD分解和结果分析。（1）基于NumPy和SciPy的VMD实现方法：使用NumPy进行信号预处理，然后利用SciPy中的优化函数来解决VMD的优化问题。
Python-变分模态分解（VMD）python代码及其测试用例
小苏打的学习博客
02-26 3253
下载资源：https://download.csdn.net/download/weixin_41990278/82427690
pyvmd:适用于VMD的Python工具
05-15
pyvmd 用于VMD的Python工具（视觉分子动力学） Pyvmd旨在为VMD提供高级pythonic接口。 要求 带有python支持的VMD 麻木 setuptools-仅用于安装 模拟-仅用于测试 安装 Pyvmd具有基于setuptools的标准setup.py 。 使用python setup.py install 。 用法 运行vmd -python以使用python shell启动VMD。 然后，您可以将pyvmd用作任何其他python库。 可以使用vmd -python -e my_script.py运行VMD的Python脚本。 您可以使用-args选项将参数传递给脚本。 文献资料 带有示例的文档可以在找到。 可以使用python的内置help功能找到API的详细文档。
VMD,python代码.zip_vmd_vmd python_vmd分解_变分模态_变分模态分解
09-24
变分模态分解 信号处理方法 数据序列平稳化。
pyVMD_a.py
06-02
import numpy as np from numba import jit @jit def VMD(signal, fs, T, alpha, tau, K, DC, init, tol): f_mirror = np.zeros((2*T)) for i in range(T//2): f_mirror[i] = signal[T//2-1-i] for k in range(T//2, 3*T//2): f_mirror[k] = signal[k - T // 2] for l in range(3*T//2, 2*T): f_mirror[l] = signal[5*T//2-l-1] f = f_mirror T = len(f) t = np.arange(1, T+1, 1)/T freqs = t - 0.5 - 1.0 / T freqs = freqs + 0.j N = 500 Alpha = alpha * np.ones((1, K)) Alpha = Alpha + 0.j f_hat = np.fft.fftshift(np.fft.fft(f)) f_hat_plus = f_hat for l in range(0, T//2): f_hat_plus[l] = 0 u_hat_plus = np.zeros((N, T, K)) u_hat_plus = u_hat_plus + 0.j omega_plus = np.zeros((N, K)) # 生成N行K列的数组，元素为0， 500*3 omega_plus = omega_plus + 0.j if init == 1: for i in range(0, K): omega_plus[0][i] = 0.5/K*i elif init == 2: omega_plus[0, :] = np.sort(np.exp(np.log(fs)) + (np.log(0.5)-np.log(fs))*np.random.rand(0, K)) else: omega_plus[0, :] = 0 if DC: omega_plus[0, 0] = 0 else: pass # 从空双变量开始 lambda_hat = np.zeros((N, T)) # lambda_hat = lambda_hat + 0.j # 其他参数初始化 uDiff = tol + 2.77555756e-17 # 更新步长 n = 1 # 循环计数 sum_uk = 0.j # 器材累加 while uDiff > tol and n < N : # 表示没有收敛或低于迭代次数，其中,n和K都从1开始 # 更新第一阶模态累加器 k = 0 sum_uk = u_hat_plus[n-1, :, K-1] + sum_uk - u_hat_plus[n-1, :, 0] # sum_uk此时还是一维数组 # print(sum_uk) # ------------------------ ----检验专用----------------------- # 通过残差维纳滤波器更新第一模态的频谱 u_hat_plus[n, :, k] = (f_hat_plus - sum_uk - lambda_hat[n - 1, :] / 2.0) / (1 + Alpha[0, k]*(freqs - omega_plus[n-1, k])**2) if ~DC: omega_plus[n, k] = np.dot(freqs[T//2: T], ((abs(u_hat_plus[n, T//2:T, k])).reshape(T//2, 1))**2) / sum((abs(u_hat_plus[n, T//2:T, k]))**2) for k in range(1, K):
VMD.zip_VMD带注释_VMD算法_VMD算法解析_vmd_vmd算法讲解
07-15
VMD算法，带注释解析，方便查看和理解，可直接使用
pyVMD_any.zip_pyVMD_any_vmd分解python_变分_变分模态分解_变模态分解
07-14
变分模态分解的python版本，个人根据MATLAB版本译制而成
VMD_python-master.zip
12-31
VMD PYTHON分享包
11_VMD算法_VMD中心频率_vmd_VMD中心频率_
10-01
该算法为vmd算法 ，具有可确定的各个模态分量，可根据中心频率相近原则确定最佳阶说
永久存储：文件处理与路径处理
一位正在苦苦追求毕业的研究僧
06-15 506
文件比较大时，read()和readlines()占用内存过大，不建议使用readline用起来不是很方便可以通过从迭代对象中取值的方式读取with open("测试文件_gbk.txt", "r", encoding="gbk") as f:for text in f: # f本身就是一个可迭代对象，每次迭代读取一行内容。
labelimg标注的VOC格式标签xml文件和yolo格式标签txt文件相互转换
热门推荐
didiaopao的博客
08-22 5万+
1 labelimg标注VOC格式和yolo格式介绍 1.1 0 0.47416020671834624 0.4523809523809524 0.5968992248062015 0.683982683982684 1 0.874031007751938 0.4069264069264069 0.1227390180878553 0.2727272727272727
vmd软件使用
CodeLuweir 的博客
04-19 8929
11
vmd-lstm预测模型
最新发布
07-29
VMD-LSTM是一种结合了VMD(Variational Mode Decomposition)和LSTM(Long Short-Term Memory)的预测模型。VMD是一种信号分解方法，可以将原始信号分解为多个本征模态函数(IMF)。而LSTM是一种递归神经网络，擅长处理序列数据。 VMD-LSTM模型的主要思想是先使用VMD将原始信号分解为多个IMF，然后将每个IMF作为输入序列，通过LSTM进行建模和预测。每个IMF都可以看作是不同频率的成分，LSTM可以捕捉到序列中的长期依赖关系，从而更好地预测未来的值。 通过将VMD和LSTM结合，VMD-LSTM模型可以更准确地处理非线性、非平稳的时间序列数据，并具有较强的预测性能。这种模型在信号处理、时间序列预测等领域有广泛的应用。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值