ต่อไปคำแนะนำต่อไป
เครือข่ายความครอบคลุมและรูปทรง 3D แบบอ้อม
วิชวลเอไอ
คู่มือ AI แบบเห็นภาพ
การกู้คืนเมชมนุษย์ประมาณรูปทรงและท่าทางร่างกายสามมิติจากภาพ โดยมักจะทำนายพารามิเตอร์ของโมเดลร่างกาย SMPL
ฟังคำแนะนำนี้บรรยายโดย AI · ~3 min
SMPL ให้เมชร่างกายที่มีการเคลื่อนไหวสม่ำเสมอแทนการสแกนเต็มรูปแบบของเสื้อผ้า, ผม, หรือพื้นผิวที่ซ่อนอยู่ การกู้คืนจากภาพเดียวเป็นการอนุมานที่มีความลึกและความคลุมเครือของการบัง ไม่ใช่การวัดร่างกายที่แม่นยำ
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.
ทีมอนิเมชันใช้ภาพที่ได้รับความยินยอมเพื่อเริ่มต้นท่าทางร่างกายที่ศิลปินตรวจสอบและปรับแก้ต่อไป
นักวิจัยเปรียบเทียบข้อต่อและพื้นผิวที่สร้างขึ้นกับข้อมูลอ้างอิง 3D ที่มีอยู่แทนที่จะตัดสินเฉพาะการซ้อนทับ 2D ที่ดูเหมือนจริงเท่านั้น
แอปพลิเคชันเสื้อผ้าไม่แสดงเมชร่างกาย SMPL เป็นการกู้คืนที่แม่นยำของแจ็คเก็ตหรือทรงผมที่หลวม
ผู้ตรวจสอบความเป็นส่วนตัวจำกัดการเก็บรักษาภาพอินพุตและพารามิเตอร์ร่างกายที่อนุมาน เนื่องจากทั้งสองอาจเปิดเผยข้อมูลส่วนบุคคล
ระบบการกู้คืนเมชอาจพัฒนาได้ด้วยมุมมองหลายมุม, หลักฐานวิดีโอแบบเวลา, และโมเดลที่แสดงมือ, หน้า, หรือเสื้อผ้าอย่างชัดเจน ผลลัพธ์ที่ละเอียดขึ้นจะไม่ทำให้ต้องตรวจสอบพื้นผิวที่ไม่มองเห็นและสมมติฐานกล้อง การประเมินในแอปพลิเคชันที่เกี่ยวข้องกับคน ควรรวมความยินยอม, ความเป็นส่วนตัว, และความแตกต่างของข้อผิดพลาดระหว่างร่างกายและเงื่อนไขการจับภาพ เมชร่างกายสามารถสนับสนุนการอนิเมชันและการวิจัยเมื่อขอบเขตชัดเจน ในขณะที่การวัดที่มีความเสี่ยงสูงต้องการการตรวจสอบที่เข้มงวดกว่าการเรนเดอร์ที่ดูดี เครื่องมือในอนาคตควรสื่อสารความไม่แน่นอนในความลึกและรูปทรงแทนการแสดงเวอร์เทกซ์ที่ทำนายทุกตัวเป็นข้อเท็จจริงที่สังเกตได้
จดหมายข่าวฟรี
เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา
อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ
ทดสอบตัวเอง
ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร
สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค
การกู้คืนเมชมนุษย์ประมาณรูปทรงและท่าทางร่างกายสามมิติจากภาพ โดยมักจะทำนายพารามิเตอร์ของโมเดลร่างกาย SMPL SMPL ให้เมชร่างกายที่มีการเคลื่อนไหวสม่ำเสมอแทนการสแกนเต็มรูปแบบของเสื้อผ้า, ผม, หรือพื้นผิวที่ซ่อนอยู่ การกู้คืนจากภาพเดียวเป็นการอนุมานที่มีความลึกและความคลุมเครือของการบัง ไม่ใช่การวัดร่างกายที่แม่นยำ
SMPL เป็นโมเดลร่างกายพารามิเตอร์ที่เรียนรู้ด้วยโครงสร้างเมชที่แชร์และรูปทรงและท่าทางที่เปลี่ยนแปลงได้
พารามิเตอร์ท่าทางกำหนดว่าข้อต่อที่จำลองจะเคลื่อนไหวอย่างไร; พารามิเตอร์รูปทรงจัดการกับสัดส่วนร่างกาย
HMR ประมาณท่าทาง, รูปทรง, และพารามิเตอร์กล้องจากภาพ RGB เดียว ไม่ต้องการการสแกน 3D เต็มรูปแบบเป็นอินพุต
การกู้คืนจากมุมมองเดียวไม่เพียงพอ: การกำหนดค่าต่าง ๆ ของ 3D สามารถอธิบายหลักฐาน 2D ที่คล้ายกันได้หลายแบบ
คู่มือแยกแยะร่างกายที่จำลองของ SMPL จากรูปทรงเสื้อผ้าและผมที่แยกต่างหาก
เรียนรู้ต่อไป
คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้
ต่อไปคำแนะนำต่อไป
เครือข่ายความครอบคลุมและรูปทรง 3D แบบอ้อม
วิชวลเอไอ