懂AI

Multi-HMR: 突破性的单次多人全身3D人体网格重建技术

RayRay
人体网格重建多人检测计算机视觉深度学习Multi-HMRGithub开源项目

Multi-HMR: 重新定义3D人体重建技术

在计算机视觉和人工智能领域,3D人体姿态估计和重建一直是一个充满挑战的研究方向。近日,来自NAVER Labs Europe的研究团队提出了一种名为Multi-HMR的创新模型,为这一领域带来了重大突破。Multi-HMR不仅能够从单张RGB图像中重建多个人的3D全身网格,还能准确捕捉手部和面部表情等细节,展现出了卓越的性能。

技术创新:单次多人全身3D重建

Multi-HMR最大的创新在于其"单次多人"(multi-person)和"全身"(whole-body)的特性。传统的3D人体重建方法通常需要多个步骤,或者只能处理单个人体。而Multi-HMR能够在一次前向传播中同时完成多个人的全身3D重建,这不仅提高了效率,也为复杂场景的3D重建提供了可能。

该模型采用了Vision Transformer (ViT)作为主干网络,用于提取图像特征。研究人员还设计了一个新颖的交叉注意力模块Human Prediction Head (HPH),使模型能够准确地定位和重建每个检测到的人体。

Multi-HMR illustration

CUFFS数据集:提升手部和面部细节重建

为了解决现有数据集中缺乏多样化手部姿势样本的问题,研究团队创建了一个名为CUFFS(Close-Up Frames of Full-Body Subjects)的新数据集。这个数据集包含了大量近距离拍摄的全身人体图像,特别关注手部姿势的多样性。通过将CUFFS数据集整合到训练过程中,Multi-HMR在手部和面部细节的重建方面取得了显著的进步。

灵活性和高性能

Multi-HMR的另一个亮点是其灵活性。模型可以选择性地利用相机内参信息来进一步提高3D重建的准确性。这种设计使得Multi-HMR能够适应不同的应用场景,从普通的2D图像到具有详细相机信息的专业拍摄。

在性能方面,即使是使用较小的ViT-S主干网络和448x448分辨率的输入图像,Multi-HMR也能达到快速且具有竞争力的表现。而使用更大的模型和更高的分辨率,则可以获得最先进的结果。

Multi-HMR performance

广泛的应用前景

Multi-HMR的出现为多个领域带来了新的可能性:

  1. 虚拟现实(VR)和增强现实(AR): 提供更准确的人体姿态追踪,增强用户体验。
  2. 动画制作: 简化动画角色的创建过程,提高动画制作效率。
  3. 人机交互: 为更自然、直观的人机交互界面提供基础。
  4. 运动分析: 在体育科学和康复医学中提供精确的人体运动数据。
  5. 安防监控: 提升人群行为分析和异常检测的准确性。

开源与未来发展

值得一提的是,研究团队已经在GitHub上开源了Multi-HMR的代码和预训练模型。这不仅方便了其他研究者复现和改进这项技术,也为相关应用的开发提供了便利。

随着Multi-HMR的不断优化和更多数据的加入,我们可以期待在不久的将来看到更多基于这项技术的创新应用。从游戏产业到医疗健康,从智能家居到城市规划,Multi-HMR都有可能带来革命性的变革。

结语

Multi-HMR的出现标志着3D人体重建技术进入了一个新的阶段。它不仅解决了多人场景下的全身3D重建问题,还在效率和精度上都取得了显著进步。随着这项技术的进一步发展和应用,我们有理由相信,一个更加智能、互动和沉浸式的数字世界正在向我们走来。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目，它利用结构化 3D 潜在表示技术，实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具，包括文本到 3D、图像到 3D 等，并且支持多种输出格式，如 3D 高斯、辐射场和网格等。通过 TRELLIS，用户可以根据文本描述或图像输入快速生成高质量的 3D 资产，适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

下拉加载更多