- 综合排序
- 最热优先
- 最新优先
- 来自专栏最新医学影像技术
3D人体模型生成案例分享
Invesalius是专门应用于医学图像3D重建，输入数据必须是一个序列的2D的DICOM图像，可以是CT或者是MRI序列，输出的是3D表面轮廓，该工具就是为生成解剖学的物理模型而做准备的。 2、选取感兴趣区域 接下来就是要提取图像中感兴趣的区域了，比如要提取人体肋骨。该工具提供了一些方法来提取一些组织，如图所示。 ? 所以选择骨骼选项，可以看到如下效果图。
1.7K40发布于 2020-06-29 - 来自专栏最新医学影像技术
3D人体模型减面案例分享
之前我分享过使用Invesalius工具生成人体模型3D表面轮廓案例，接下来需要借助一些三维建模工具将轮廓进行实体化。 2、PolygonCruncher工具的使用 （1）选中当前场景，点击Optimize Selection选项，如图所示。 ? （2）出现如图所示效果。 ?
1.8K20发布于 2020-06-29 - 来自专栏量子位
AI说，它可以把你变成个游戏 | 3D人体模型 · CVPR
△ 死亡效应2 搭建3D人体模型，早已是AI驾(le)轻(bu)就(si)熟(shu)的一项工作，不论是在VR里，电影里，还是时尚圈。
60840发布于 2018-07-24 - 来自专栏机器之心
CVPR 2018 | Spotlight论文：单摄像头数秒构建3D人体模型
图 2. 本论文提出方法概览。输入是具备对应分割的图像序列。研究者首先使用 SMPL 模型计算姿势 (a)。 研究者首先拟合 SMPL 模型和 2D 检测（类似 [37, 7]），来估计每一帧的初始人体形状和 3D 姿势。 从而基于 SMPL 高效优化单个位移面，一次性拟合所有帧，这要求只能在内存中存储一个模型（图 2）。 本研究提出的方法由 3 个步骤构成：（1）姿势重建 (Sec. 3.2)；（2）一致形态评估 (Sec. 3.3)；（3）帧精炼和纹理图生成 (Sec. 3.4)。 扫描；（b）真实姿态的一致外观 (consensus-p）；(c）consensus-p 热图；（D）一致外观（consensus）；(e)consensus 热图（蓝色意味着 0mm，红色意味着 ≥ 2cm
1.7K90发布于 2018-05-08 - 来自专栏CST软件科普专栏
CST生物电磁仿真：替换部分Voxel模型组织或器官
•将现有的人体模型中的部分组织/器官替换为处理过的人体模型（如用肺癌模型代替健康肺）。 操作流程一、导入人体模型（以Hugo为例）1.新建一个空的工程，导入人体模型；2.以导入 Hugo 模型为例，在 Import Bio Model 对话框中，可以调整导入模型的区域，并取消勾选 Overwrite Import Bio Model 对话框；2.依次点击：Others -(Current Directory)- OK，并在 Voxel Model Selection 对话框中选择提前制作好的体素模型文件 1.激活 Cutting Plane 选项，查看模型的切面；2.选中肺癌模型，激活 Transform 选项（快捷键 Ctrl+T），将肺癌模型移动到肺部；3.可激活 Wire Frame 选项，查看肺癌模型在 1.按照“导入替代模型”的方法，重复导入另一个体素模型文件，并勾选 Overwrite CAD shape 选项；2.在 History List 中查看替代模型的优先级依旧为 0，可按需决定是否需要修改更高的优先级
22510编辑于 2026-05-09 - 来自专栏CST软件科普专栏
当标准人体模型需要“局部定制”，CST 如何实现更灵活的生物电磁仿真？
在生命科学相关仿真中，人体模型往往决定了分析的起点。 问题在于，这类高精度人体模型通常并不能被直接修改。 为什么不能直接修改原有人体模型？在实际使用中，CST Studio Suite 中的大多数人体模型来自达索系统或第三方组织的授权，模型本身通常处于加密状态，相关知识产权也受到保护，因此无法直接编辑。 完成导入后，可在 History List 中看到该人体模型的优先级通常为 -1。这一步的意义在于：先建立一个完整、稳定的人体模型底座，为后续局部替换预留覆盖空间。2. 如果替代模型中的材料名称与原有人体模型中的材料名称相同，可能带来材料替换或识别上的混淆。因此更稳妥的做法是：让替代模型中的材料名称与原有人体模型区分开来。
6000编辑于 2026-09-22 - 来自专栏计算机视觉工坊
基于深度学习的单目人体姿态估计方法综述（一）
人体姿态估计方法分类 本节根据不同的特点总结了基于深度学习的人体姿态估计方法的不同分类：1）生成方法（基于人体模型）和判别方法（无人体模型）；2）自上而下（从高级抽象到低级像素证据）和自下而上（从低级像素证据到高级抽象 根据人体模型的不同表示，可以以不同的方式处理生成方法，例如关于人体模型结构的先验知识，从不同视图到2D或3D空间的几何投影，高维参数化空间回归方式的优化。 其他3D人姿势估计方法则首先在2D平面中预测关节位置，然后将其扩展到3D空间。单阶段方法的训练比多阶段方法更容易，但中间约束更少。 2.2 人体模型 人体模型是人体姿态估计的关键组成部分。 基于不同层次的表示和应用场景，如图2所示，人体姿态估计中有三种常用的人体模型：基于骨架的模型、基于轮廓的模型和基于体积的模型。 ? 无模型方法 无模型方法不使用人体模型作为预测目标或中间线索。它们大致可分为两类：1）直接将图像映射到三维姿态；2）根据二维姿态估计方法得到的中间预测的二维姿态估计深度。
2.4K10发布于 2021-03-16 - 来自专栏3D视觉从入门到精通
基于深度学习的单目人体姿态估计方法综述（一）
人体姿态估计方法分类 本节根据不同的特点总结了基于深度学习的人体姿态估计方法的不同分类：1）生成方法（基于人体模型）和判别方法（无人体模型）；2）自上而下（从高级抽象到低级像素证据）和自下而上（从低级像素证据到高级抽象 根据人体模型的不同表示，可以以不同的方式处理生成方法，例如关于人体模型结构的先验知识，从不同视图到2D或3D空间的几何投影，高维参数化空间回归方式的优化。 其他3D人姿势估计方法则首先在2D平面中预测关节位置，然后将其扩展到3D空间。单阶段方法的训练比多阶段方法更容易，但中间约束更少。 2.2 人体模型 人体模型是人体姿态估计的关键组成部分。 基于不同层次的表示和应用场景，如图2所示，人体姿态估计中有三种常用的人体模型：基于骨架的模型、基于轮廓的模型和基于体积的模型。 ? 无模型方法 无模型方法不使用人体模型作为预测目标或中间线索。它们大致可分为两类：1）直接将图像映射到三维姿态；2）根据二维姿态估计方法得到的中间预测的二维姿态估计深度。
1.4K20发布于 2021-03-19 - 来自专栏新智元
南大清华发布《从单目图像中恢复三维人体网格》综述论文，涵盖246篇文献全面阐述单目3D人体网格恢复研究进展
自统计学人体模型发布以来，三维人体网格恢复一直受到广泛关注。 虽然简单的动作可以通过2D内容或一些稀疏的3D关节相对清晰地表示出来，但复杂的人类行为需要更细致地描述人体细节。 它还涉及广泛的应用，如VR/AR内容创建、虚拟试穿、计算机辅助指导等等，如图2所示。 这项调查也是对现有调查论文的补充，主要关注2D/3D人体姿势估计。 我们根据它们采用的人体模型对它们进行分类。
1.3K30编辑于 2022-03-29 - 来自专栏量子位
差点以为是本人！这个3D人体生成模型厉害了，还能自己改POSE
丰色 发自 凹非寺 量子位 报道 | 公众号 QbitAI 很多3D人体模型都很强大，但总是难免“裸奔”。 像要创造出真正的人类“化身”模型，衣服和头发不可或缺。 神经装扮模型（The neural dressing model） 其实，不止是“裸奔”，很多三维人体模型还很“死板”：模特摆什么姿势模型就跟着摆什么。 就像此前，利用隐函数来生成的三维人体模型能够高度还原模特的着装和发型了，但是人物姿势依然不够变通，只能从原模特的几个特定视角生成。 第2、3列为在用SMPL-X建模的人体网格上叠加“人型化身”的纹理（texture）。 第4、5列为使用渲染网络光栅化渲染出的结果。 可以优雅地处理出宽松的衣服和长头发以及复杂的穿衣结构！ 接下来，基于上面的神经装扮模型，研究人员造出能生成“Fullbody”的3D人体模型。 最终的生成架构是StyleGANv2和神经装扮的结合。
1.4K40发布于 2021-05-11 - 来自专栏CST软件科普专栏
CST FAQ 031：如何将TWS耳机模型对齐到人耳模型
使用Sub-Project功能实现对齐操作时，建议大家创建两个工程分别保存耳机模型和人体模型。 执行Sub-Project功能前，需在耳机模型的工程和人体模型的工程中创建局部工作坐标系用于确定对齐的位置和方向，如下图所示：精细的耳机模型通过CAD软件创建好可以直接导入CST，那如何获取包含耳朵的人体模型呢 导入包含耳朵的人体模型选择Posable Ear选项即可。Bio Model支持定制人耳模型，用户可以通过定义高度、宽度、厚度以及相对人脸的旋转角度等参数修改人耳模型，需要注意的是：这些参数是相对值。
12100编辑于 2026-07-22 - 来自专栏AI科技评论
科学怪物！3D人体全身运动捕捉系统,港中文联合Facebook出品
有部分工作关注从单张图片同时估计人体的全身运动，但这些工作都是基于优化的方法，将参数化的人体模型拟合到图像信息，速度较慢不适合实时应用。 项目主页：https://penincillin.github.io/frank_mocap 项目论文：https://arxiv.org/pdf/2008.08324.pdf 2 方法 作者使用 SMPL-X 模型 SMPL-X 人体模型是一个参数化的3D人体模型，是 SMPL 模型的扩展，能够通过低维的人体形状和姿态参数的组合来表达不同形状和姿态的3D人体，其与 SMPL 模型的最大差异在于 全身整合模块 整合模块将3D人体和手部模块输出的结果组合在一起得到 SMPL-X 模型的参数表达，作者提供了两种方法来整合： 复制粘贴方式：直接将人体和手部组合起来，速度快； 优化拟合方式：使用2D关键点来优化人体参数以得到更加准确的结果 复制粘贴组合 由于人体和手部模块的输出与 SMPL-X 人体模型的参数是兼容的，因此可以很简单地将两者合并在一起。只需将左右手从世界坐标系变换到人体模型腕关节的局部坐标系下即可。
1.5K30发布于 2020-09-14 - 来自专栏新智元
浙大提出SIFU：单图即可重建高质量3D人体模型
SIFU重建3D人体模型用于场景搭建 与此相反，在日常生活中，我们最常见的是通过手机相机拍摄的或在各种网页上找到的人像照片。 因此，一种能从单张图像准确重建3D人体模型的方法可以显著降低成本，并简化独立创作的过程。 以往方法（左）与本文方法技术路线比较（右） 以往的深度学习模型用于3D人体重建，往往需要经过三个步骤：从图像中提取2D特征，将2D特征转到3D空间，以及3D特征用于人体重建。 对此，来自浙江大学ReLER实验室的研究人员提出SIFU模型，依靠侧视图条件隐函数从单张图片重建3D人体模型。 该方法成功的在2D特征转换到3D空间时结合人体先验知识，从而使得模型有更好的重建效果。
78010编辑于 2024-01-18 - 来自专栏量子位
3D人体模型自动生成算法，一作来自北大图灵班 | SIGGRAPH
感觉哪里不太对…… 现在，这些3D人体模型可以得到改进了~体态更逼真、褶皱更自然、肌肉更饱满： ? 连情绪都显得更投入了…… 甚至肌肉颤动也清晰可见： ? neural-blend-shapes/papers/neural-blend-shapes-camera-ready.pdf 参考链接： [1]https://peizhuoli.github.io/ [2]
1.8K30发布于 2021-06-17 - 来自专栏SaaS加速器
微洱科技喜获国家发明专利｜腾讯SaaS加速器·学员动态
来源｜腾讯SaaS加速器二期项目-微洱科技 ---- “ 近日，由微洱科技（腾讯SaaS加速器二期成员）自主研发的《一种基于2D人体图像修正三维人体模型的方法》发明获得国家知识产权局颁发的发明专利证书 据此项专利的发明人——微洱科技联合创始人石克阳介绍，本发明涉及人体三维修正领域，具体为一种基于2D人体图像修正三维人体模型的方法，可以有效提高微洱科技合作商家所展示衣物的3D人体模型的可观性和精确性，进一步刺激消费者购买欲
62430发布于 2021-06-17 - 来自专栏儒画之家
PTC Creo 9.0【三维CAD软件】+最新版详细安装步骤
不得不说PTC Creo 9.0有了人机工程学设计和视野范围分析工具的升级功能一定会赢得组织团队的青睐现在，您能够借助更加方便易用的人体模型定位操作对人体模型尺寸进行自定义，此外，还推出了一些用于分析人体模型视野范围的新工具 PTC Creo 9.0详细安装步骤软 件 提 取 地 址：复 制 码】 %62%73%6A%2E%63%61%62/%56%4B%46%6D/ 粘 贴 】浏 览 器 访
1.3K10编辑于 2023-05-02 - 来自专栏量子位
英伟达新研究：不用动捕，直接通过视频就能捕获3D人体动作｜ICCV 2021
丰色 发自 凹非寺 量子位 报道 | 公众号 QbitAI 不靠昂贵的动捕，直接通过视频也能提取3D人体模型然后进行生成训练： 英伟达这项最新研究不仅省钱，效果也不错—— 其合成的样本完全可以用在以往只在动捕数据集上训练的运动合成模型 四个步骤从视频获得人体模型 下图概述了英伟达提出的这个从视频中获得动作样本的框架。 2、然后利用反向动力学，用每帧的3D关键点形成SMPL模型动作。 SMPL是一种参数化人体模型，也就是一种3D人体建模方法。
1.9K10发布于 2021-09-29 - 来自专栏脑机接口
探索双耳助听器中的人体通信，未来你的身体可以作为通信媒介
时域有限差分（FDTD）模拟中的全身人体模型(a) 模型尺寸和横截面视图; (b) 2.45 GHz 无线通信仿真中收发器天线的位置 使用不同复杂程度的人体模型，研究人员首先确定了最佳表示法以确保模拟结果的准确性 单电极发射器和接收器 下图为四种模拟条件下的电场分布： (a) 2.45 GHz 无线通信 (WC) 无身体；(b) 2.45 GHz WC 与身体；(c) 没有身体的 HBC；(d) HBC 与身体 人体模型周围和内部的电场分布 :(a)全身人体模型;(b)详细的头部模型;(c)均匀头模型 2 结论 这项研究展示了HBC的潜力，并扩展了这项有前景的技术的适用性。
56140编辑于 2022-08-17 - 来自专栏GPUS开发者
NVIDIA 重磅发布：人形运动与机器人学习全栈生态，AI 具身智能迎来「数据底座」革命
一、底层基石：SOMA—— 统一所有人体模型的「通用语言」 SOMA 是这套生态的核心接口，它把 SOMA-shape、SMPL、MHR 等各类参数化人体模型，统一成一套标准骨架表示。 过去不同人体模型之间迁移运动，需要写专用适配器、做定制化转换；有了 SOMA，全流程打通，一次生成、全域可用，彻底消除格式壁垒。 2️⃣ GEM：从任意视频里 “扒” 出人体姿态 面向真实场景视频的全局人体姿态估计，原生兼容 SOMA 格式，能从海量日常视频里批量提取高质量人体运动数据，解决数据来源问题。
1.1K10编辑于 2026-04-24 - 来自专栏ATYUN订阅号
Adobe的AI试衣已上线，再也不用担心变成卖家秀了
SieveNet的目标是拍摄衣服的图像和人体模型图像，并在保留原始身体形状，姿势和其他细节的情况下生成穿着该衣服的模型的新图像。 为此，它采用了多阶段技术，其中包括将服装变形以使其与人体模型的姿势和形状保持一致，然后再将变形的纹理转移到模型上。 SieveNet中的专用模块可以在较早的粗转换之上预测粗转换和精细校正，而另一个模块可以在人体模型上计算渲染图像和蒙版。
1.2K30发布于 2020-02-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号