คู่มือ AI แบบเห็นภาพ

การกู้คืนเมชมนุษย์ 3D ด้วย SMPL

การกู้คืนเมชมนุษย์ประมาณรูปทรงและท่าทางร่างกายสามมิติจากภาพ โดยมักจะทำนายพารามิเตอร์ของโมเดลร่างกาย SMPL

ฟังคำแนะนำนี้บรรยายโดย AI · ~3 min

บนหน้านี้อ่าน 3 นาที
  1. ภาพรวม
  2. เจาะลึก
  3. การใช้งานจริงในโลกแห่งความเป็นจริง
  4. อนาคตของการกู้คืนเมชมนุษย์ 3D ด้วย SMPL
  5. การนำไปปฏิบัติ
  6. สำรวจต่อไป
  7. คำถามที่พบบ่อย

ภาพรวม

SMPL ให้เมชร่างกายที่มีการเคลื่อนไหวสม่ำเสมอแทนการสแกนเต็มรูปแบบของเสื้อผ้า, ผม, หรือพื้นผิวที่ซ่อนอยู่ การกู้คืนจากภาพเดียวเป็นการอนุมานที่มีความลึกและความคลุมเครือของการบัง ไม่ใช่การวัดร่างกายที่แม่นยำ

เจาะลึก

SMPL, the Skinned Multi-Person Linear model, represents human bodies with a shared mesh structure whose shape and pose can vary. The original SMPL paper describes a skinned, vertex-based model trained to represent a range of body shapes in natural poses. Shape parameters change body proportions within the learned model; pose parameters articulate the body through joints. This consistency makes the result useful for graphics, pose analysis and alignment across images, but it is still a model with a particular training distribution. Human Mesh Recovery, or HMR, is one research approach that estimates SMPL body and camera parameters from a single RGB image. A system can render the resulting 3D mesh back into the image and compare its projected joints or silhouette with visible evidence. A good overlay is helpful, but many 3D configurations can produce similar 2D projections. The camera scale, body orientation and depth of hidden parts may be uncertain. An arm behind the torso or a leg hidden by furniture provides limited direct evidence. SMPL mainly represents an articulated body surface, not every external appearance detail. Loose clothing, hair, objects held in a hand and face expression can be outside the basic model. A reconstruction can therefore look plausible while getting the underlying body shape or an unseen side wrong. Methods that reconstruct garments or more detailed bodies add other models and assumptions; do not credit plain SMPL with those details. Evaluate the intended output separately. A rough pose for animation may tolerate errors that a clinical or safety measurement cannot. When reference 3D scans or multiple views are available with consent, compare 3D pose and shape as well as image-plane agreement. Test changes in viewpoint, clothing, body type, occlusion and camera quality. Document uncertainty and avoid inferring a person's identity, health or intent from an estimated mesh. Images and derived body parameters can be sensitive; obtain appropriate permission and limit collection, access and retention.

การใช้งานจริงในโลกแห่งความเป็นจริง

ทีมอนิเมชันใช้ภาพที่ได้รับความยินยอมเพื่อเริ่มต้นท่าทางร่างกายที่ศิลปินตรวจสอบและปรับแก้ต่อไป

นักวิจัยเปรียบเทียบข้อต่อและพื้นผิวที่สร้างขึ้นกับข้อมูลอ้างอิง 3D ที่มีอยู่แทนที่จะตัดสินเฉพาะการซ้อนทับ 2D ที่ดูเหมือนจริงเท่านั้น

แอปพลิเคชันเสื้อผ้าไม่แสดงเมชร่างกาย SMPL เป็นการกู้คืนที่แม่นยำของแจ็คเก็ตหรือทรงผมที่หลวม

ผู้ตรวจสอบความเป็นส่วนตัวจำกัดการเก็บรักษาภาพอินพุตและพารามิเตอร์ร่างกายที่อนุมาน เนื่องจากทั้งสองอาจเปิดเผยข้อมูลส่วนบุคคล

อนาคตของการกู้คืนเมชมนุษย์ 3D ด้วย SMPL

ระบบการกู้คืนเมชอาจพัฒนาได้ด้วยมุมมองหลายมุม, หลักฐานวิดีโอแบบเวลา, และโมเดลที่แสดงมือ, หน้า, หรือเสื้อผ้าอย่างชัดเจน ผลลัพธ์ที่ละเอียดขึ้นจะไม่ทำให้ต้องตรวจสอบพื้นผิวที่ไม่มองเห็นและสมมติฐานกล้อง การประเมินในแอปพลิเคชันที่เกี่ยวข้องกับคน ควรรวมความยินยอม, ความเป็นส่วนตัว, และความแตกต่างของข้อผิดพลาดระหว่างร่างกายและเงื่อนไขการจับภาพ เมชร่างกายสามารถสนับสนุนการอนิเมชันและการวิจัยเมื่อขอบเขตชัดเจน ในขณะที่การวัดที่มีความเสี่ยงสูงต้องการการตรวจสอบที่เข้มงวดกว่าการเรนเดอร์ที่ดูดี เครื่องมือในอนาคตควรสื่อสารความไม่แน่นอนในความลึกและรูปทรงแทนการแสดงเวอร์เทกซ์ที่ทำนายทุกตัวเป็นข้อเท็จจริงที่สังเกตได้

การนำไปปฏิบัติ

ทำไมมันถึงสำคัญ

  • ความเร็วและขนาด. Visual AI สามารถทำให้การตรวจสอบ การตรวจจับ และการแท็กเป็นอัตโนมัติในขนาดต่างๆ
  • สร้างทางเลือก. ทีมสร้างสรรค์สามารถสร้างต้นแบบแนวคิดได้รวดเร็วขึ้นโดยต้องมีการแก้ไขด้วยตนเองน้อยลง
  • ทีมงานและขั้นตอนการทำงาน. การดำเนินการสามารถใช้สัญญาณภาพและวิดีโอที่ก่อนหน้านี้ประมวลผลได้ยาก

ระวัง

  • สิทธิ์และความยินยอมในรูปภาพอาจกลายเป็นความเสี่ยงทางกฎหมายได้หากแหล่งที่มาไม่ชัดเจน
  • ประสิทธิภาพของโมเดลอาจแตกต่างกันไปตามสภาพแสง ข้อมูลประชากร และสภาพแวดล้อม
  • ผลบวกลวงอาจไม่สังเกตเห็นเว้นแต่จะมีการตรวจสอบเกณฑ์ความเชื่อมั่น

ขั้นตอนต่อไป

  1. กำหนดเกณฑ์การยอมรับสำหรับความแม่นยำ การเรียกคืน และต้นทุนข้อผิดพลาด
  2. ทดสอบด้วยข้อมูลที่ตรงกับเงื่อนไขการผลิตจริง
  3. เพิ่มการตรวจสอบโดยเจ้าหน้าที่สำหรับการคาดการณ์ที่มีความมั่นใจต่ำหรือมีผลกระทบสูง
  4. ติดตามการเคลื่อนตัวของโมเดลและตรวจสอบความถูกต้องอีกครั้งหลังจากการเปลี่ยนแปลงกล้องหรือชุดข้อมูล

สำรวจต่อไป

จดหมายข่าวฟรี

รับสรุป AI รายวัน

เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา

อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ

ทดสอบตัวเอง

ทำแบบทดสอบการกู้คืนเมชมนุษย์ 3D ด้วย SMPL

ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร

เริ่มแบบทดสอบ

สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค

คำถามที่พบบ่อย

อะไรคือการกู้คืนเมชมนุษย์ 3D ด้วย SMPL?

การกู้คืนเมชมนุษย์ประมาณรูปทรงและท่าทางร่างกายสามมิติจากภาพ โดยมักจะทำนายพารามิเตอร์ของโมเดลร่างกาย SMPL SMPL ให้เมชร่างกายที่มีการเคลื่อนไหวสม่ำเสมอแทนการสแกนเต็มรูปแบบของเสื้อผ้า, ผม, หรือพื้นผิวที่ซ่อนอยู่ การกู้คืนจากภาพเดียวเป็นการอนุมานที่มีความลึกและความคลุมเครือของการบัง ไม่ใช่การวัดร่างกายที่แม่นยำ

โมเดล SMPL พื้นฐานให้อะไรกับระบบการกู้คืนเมช?

SMPL เป็นโมเดลร่างกายพารามิเตอร์ที่เรียนรู้ด้วยโครงสร้างเมชที่แชร์และรูปทรงและท่าทางที่เปลี่ยนแปลงได้

ในคำอธิบาย SMPL ของคู่มือ พารามิเตอร์ท่าทางควบคุมอะไร?

พารามิเตอร์ท่าทางกำหนดว่าข้อต่อที่จำลองจะเคลื่อนไหวอย่างไร; พารามิเตอร์รูปทรงจัดการกับสัดส่วนร่างกาย

ประเภทของอินพุตที่งานวิจัยการกู้คืนเมชมนุษย์ที่อ้างอิงใช้สำหรับการประมาณภาพเดียวคืออะไร?

HMR ประมาณท่าทาง, รูปทรง, และพารามิเตอร์กล้องจากภาพ RGB เดียว ไม่ต้องการการสแกน 3D เต็มรูปแบบเป็นอินพุต

ทำไมเมชที่ตรงกับรูปร่าง 2D ที่มองเห็นไม่ได้พิสูจน์ขนาดร่างกาย 3D อย่างแม่นยำ?

การกู้คืนจากมุมมองเดียวไม่เพียงพอ: การกำหนดค่าต่าง ๆ ของ 3D สามารถอธิบายหลักฐาน 2D ที่คล้ายกันได้หลายแบบ

รายละเอียดที่มองเห็นอยู่นอกเหนือจากรูปทรงที่สัญญาไว้ของเมชร่างกาย SMPL คืออะไร?

คู่มือแยกแยะร่างกายที่จำลองของ SMPL จากรูปทรงเสื้อผ้าและผมที่แยกต่างหาก

เรียนรู้ต่อไป

คำแนะนำที่เกี่ยวข้อง

คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้

รับใบรับรอง AI ฟรีหลักสูตรและการสอบสั้น ๆ ฟรี ไม่มีค่าใช้จ่าย ไม่มีบัตรเครดิต ประมาณ 2.5 ชั่วโมงเริ่มต้นฟรี →