Upload README.md with huggingface_hub

README.md

@@ -5,41 +5,97 @@ task_categories:
 tags:
   - imu
   - activity-recognition
-  - fitness
-  - deep-learning
+  - motion-capture
+  - human-motion
 size_categories:
-  - 1M<n<10M
+  - 100K<n<1M
 ---
 
 # gem-analysis-humanml3d
 
-HumanML3D dataset with UniMTS augmented text descriptions for IMU pretraining
+HumanML3D 数据集，包含 3D 人体运动数据和文本描述。
 
-## 数据集信息
+## 下载方式
+
+### 方式 1: 下载压缩版 (推荐，避免 rate limit)
+
+数据集包含 16 万+ 小文件，直接下载可能触发 rate limit。推荐下载压缩版：
+
+```bash
+# 使用 huggingface-cli
+huggingface-cli download --repo-type dataset yonful/gem-analysis-humanml3d humanml3d.tar.gz --local-dir .
+
+# 解压
+tar -xzf humanml3d.tar.gz
+```
+
+或使用 Python:
+
+```python
+from huggingface_hub import hf_hub_download
+
+# 下载压缩文件
+hf_hub_download(
+    repo_id="yonful/gem-analysis-humanml3d",
+    filename="humanml3d.tar.gz",
+    repo_type="dataset",
+    local_dir="."
+)
+
+# 解压
+import tarfile
+with tarfile.open("humanml3d.tar.gz", "r:gz") as tar:
+    tar.extractall()
+```
 
-- **来源路径**: `data/HumanML3D`
-- **数据大小**: 1.0 GB
-- **用途**: 健身动作识别模型训练
+### 方式 2: 直接下载所有文件
 
-## 使用方法
+如果网络稳定，可以直接下载：
 
 ```python
 from huggingface_hub import snapshot_download
 
-# 下载数据集
 snapshot_download(
     repo_id="yonful/gem-analysis-humanml3d",
     repo_type="dataset",
-    local_dir="./data/HumanML3D"
+    local_dir="./HumanML3D"
 )
 ```
 
-或使用项目中的下载脚本:
+## 数据集结构
 
-```bash
-python scripts/prepare_data.py --dataset humanml3d
+```
+HumanML3D/
+├── new_joints/         # 3D 关节位置数据
+├── new_joint_vecs/    # 旋转不变特征
+├── texts/             # 文本描述
+├── Mean.npy            # 均值
+├── Std.npy             # 标准差
+├── all.txt             # 所有样本列表
+├── train.txt           # 训练集
+├── val.txt             # 验证集
+├── test.txt            # 测试集
+└── train_val.txt       # 训练+验证集
 ```
 
+## 数据集信息
+
+- 文件数量: ~160,000
+- 原始大小: ~1.6 GB
+- 压缩后大小: ~1.3 GB
+
 ## 许可证
 
 请参考原始数据源的许可证要求。
+
+## 引用
+
+```bibtex
+@inproceedings{guo2022generating,
+  title={Generating diverse and natural 3d human motions from text},
+  author={Guo, Chuan and Zou, Shihao and Zuo, Xinxin and Wang, Sen and Ji, Wei and Li, Xingyu and Cheng, Li},
+  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
+  pages={5152--5161},
+  year={2022}
+}
+```