- 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。 3、配置3D表面 3D表面配置可以设置透明度，直接默认值即可，然后下一步。 4、输出结果 直接输出立体图像和相应的3D表面轮廓结果。 ?
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。 locationnum=3&fps=1。 由于原始轮廓数据非常大，在三维建模的时候肯定都要进行减面操作，以保证模型质量的前提下去除冗余轮廓。 1、导入原始轮廓数据 之前是做过一个人体肋骨轮廓的提取，将原始stl数据导入到3dsMax中，如图选择快速焊接，然后保存该项目。 ? 因为我后面是用Unity来开发虚拟现实项目，所以我们需要把3D模型保存成fbx格式文件。 （5）在3dsMax项目再导出该模型，可以看到在没有明显降低质量的前提下，模型减面到只有60多兆。 ?
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。 现在，有了一个新的算法，只要有普通摄像头拍摄的单一角度的视频，就可以建立3D模型了。 ? 画出一个立体的你，需要分3步—— 首先，AI会分析一段长约几秒的视频，里面的你在运动。 基于深度学习，AI可以为你的3D形体和关节位置，做一个粗略的估计。 ? 第二步，要把每一帧里创建的虚拟人形原本的姿势去掉，让许多的你伸开手臂，把自己变成丁字形 (其实是箭头形) 。 △ 是，魔鬼的步伐 只要获得了你的3D复刻，就可以随意调整它的体重、穿着和姿势了。就算是完美的芭蕾舞旋转，也不在话下，原版的你可能也会有点羡慕吧。 但我只想知道，自己玩自己，是一种怎样的体验。
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 1：本论文提出的技术首创从人的单个视频序列中提取精确的 3D 人体模型，包括头发和衣服，这些人在摄像机前面移动，从而保证我们能从各个角度看到他们。 视频demo： ? 尽管利用深度数据重建 3D 人体模型 [6, 71, 81] 或自由曲面 [86, 44, 47, 21] 的研究近年来已经有了很大进步，但对单目视频中穿衣服的人类进行 3D 重建（没有对该人进行预先扫描 基于拟合，研究者将每一帧中的轮廓点与人体模型中的 3D 点结合起来，根据每个投影光线的对应 3D 模型点的反向变形模型，变换投影光线；研究者将该操作成为 unposing（图 3）。 研究者的方法首次实现从单个运动人类视频序列（这样我们可以从各个侧面看到这个人）中提取出准确的 3D 人体模型（包括头发和衣服）。 基于参数化的人体模型，我们提出了稳健的处理流程，即使是对穿衣服的人群也能够获得 5mm 分辨率的 3D 模型。
1.7K90发布于 2018-05-08 - 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。 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。 评估模型面对有误差的人体先验模型时的鲁棒性 使用真实世界中的图片，在先验人体模型估计不准确的情况下，SIFU依然有较好的重建效果 更广阔的应用场景 SIFU模型的高精度高质量重建效果，使得其具有丰富的应用场景 3D打印SIFU重建的人体模型 SIFU借助扩散模型进行纹理编辑 SIFU用于3D场景搭建 更多定性测试结果（测试输入图片均来自互联网） 借助公开动作序列数据，可对SIFU重建的模型进行驱动 总结 本文提出侧视图条件隐式函数和
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： ? s=05 [3]https://mp.weixin.qq.com/s/IuvyNRJ6amJn5ya7fr8L6A [4]https://mp.weixin.qq.com/s/uU1-DwHnU4pPMLtQZNQyVQ
1.8K30发布于 2021-06-17 - 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
为了实现定制人体模型的需求，同时避免潜在的侵权行为，用户可以使用自制的体素模型代替现有人体模型中的部分组织或器官，可通过手动引入病变区域，间接修改高精度人体模型部分区域的参数。 •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）。 CAD shape 选项；3.点击 OK 完成人体模型导入，并在 History List 中查看该人体模型的优先级为 -1。 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，并选择打开；3. 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
22510编辑于 2026-05-09 - 来自专栏深度学习技术前沿
给AI一张高清照片，分分钟还你细节满满的3D人体模型，GitHub标星3.6k | 在线可玩
手动对人体进行3D建模并非易事。 但现在，只给AI一张高清照片，它还真就能分分钟搞定这件事。 甚至还挺高清，衣服褶皱、面部表情，细节一点不少。 ? 不过，PIFu以分辨率为512×512的图像作为输入，输出的3D模型分辨率不高。 ? 为了得到高分辨率的输出，在这项研究中，研究人员在PIFu的基础之上，额外叠加了一个像素对齐的预测模块。 ? 如图所示，顶部粗层次像素对齐预测器捕捉全局的3D结构。高分辨率的细节则由下面的Fine模块添加。 可以明显看出，由于PIFuHD充分利用了基础形状和精细形状，能够直接在像素级别上预测3D几何形状，它对输入图像的细节把握更加精准，重建出来的3D人体模型分辨率更高。 输入一张你自己的照片，几分钟之内就能收获一个数字3D的你。 真·3D建模师福音。 结合可以让3D模型动起来的Mixamo食用，网友们都玩嗨了。 ? ? 赶快上手玩起来吧~ 最后，附上作者简介。
1.7K40发布于 2020-11-20 - 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。 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. 由于其优先级高于原始人体模型，因此在重叠区域中，替代模型将覆盖原有结构。这一步决定了“替换是否真正发生”，也是整个方法中的关键设置。3. 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 - 来自专栏机器学习初学者精选文章
【CV】给AI一张高清照片，分分钟还你细节满满的3D人体模型，GitHub标星4.4k | 在线可玩
继上次分享的中科院博士用一张“静态图”就能实现人脸3D建模新研究，又一重要力作。 ? 手动对人体进行3D建模并非易事。 但现在，只给AI一张高清照片，它还真就能分分钟搞定这件事。 论文摘要 深度神经网络驱动基于图像的3D人体形状估计发展前沿技术。尽管当前的方法已经证明了在现实环境中的潜力，但是它们仍然无法以输入图像中经常出现的细节水平进行重建。 如图所示，顶部粗层次像素对齐预测器捕捉全局的3D结构。高分辨率的细节则由下面的Fine模块添加。 可以明显看出，由于PIFuHD充分利用了基础形状和精细形状，能够直接在像素级别上预测3D几何形状，它对输入图像的细节把握更加精准，重建出来的3D人体模型分辨率更高。 输入一张你自己的照片，几分钟之内就能收获一个数字3D的你。 真·3D建模师福音。 结合可以让3D模型动起来的Mixamo食用，网友们都玩嗨了。 ? ?
1.6K20发布于 2021-01-11 - 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）
二、人体姿态估计方法与人体模型的分类 2.1. 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。 (3) 基于回归 V.S. 基于检测 基于不同问题的表述，基于深度学习的人体姿态估计方法可以分为基于回归的方法和基于检测的方法。基于回归的方法直接将输入图像映射到人体关节坐标或人体模型参数。 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。 因此，本节重点介绍基于深度学习的方法，这些方法从单目RGB图像和视频中估计3D人体姿势，包括3D单人姿势估计和3D多人姿势估计。 3.1.
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）
二、人体姿态估计方法与人体模型的分类 2.1. 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。 (3) 基于回归 V.S. 基于检测 基于不同问题的表述，基于深度学习的人体姿态估计方法可以分为基于回归的方法和基于检测的方法。基于回归的方法直接将输入图像映射到人体关节坐标或人体模型参数。 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。 因此，本节重点介绍基于深度学习的方法，这些方法从单目RGB图像和视频中估计3D人体姿势，包括3D单人姿势估计和3D多人姿势估计。 3.1.
1.4K20发布于 2021-03-19 - 来自专栏AI科技评论
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。 作者采用 SMPL-X 人体模型，首先通过两个回归模块来从输入图片分别估计人体和人手的3D姿态，然后再通过一个整合模块将预测的结果组合在一起，得到最终的3D全身人体。文章代码将会开源。 ? 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 人体模型 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 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 - 来自专栏量子位
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。 但这些元素的精确3D数据非常稀少，还很难获得。 ps.也是该团队的研究成果 所以在为3D人体模型还原衣服颜色、褶皱和发型的同时，也要保证人物的姿势可以“举一反三”。 为此研究人员采用将多边形实体网格建模与神经纹理相结合的方法。 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。 提高了视频和少量图像生成3D人类模型的技术水平 在对神经装扮这一方法的效果验证中，研究人员首先评估了基于视频素材的3D模型生成结果。
1.4K40发布于 2021-05-11 - 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。 近年来，社区已经将他们的兴趣转向了人体的3D网格恢复，以及富有表情的脸和生动细致的手。这一趋势与统计人体模型的成功密不可分。 图 1 三种具有代表性的3D统计人体模型的年度引用，即SCAPE、SMPL和SMPL-X 人体网格的恢复在促进后续任务（如衣服人体重建、动画和渲染）方面起着关键作用。 我们根据它们采用的人体模型对它们进行分类。 图 3 最相关的参数化人体模型和3D人体网格恢复方法时间轴 图 4 基于回归的人体网格恢复方法的流程 回归网络中各种输出类型和中间表示的说明 我们研究了四种输出类型：(a)参数输出；(b)网格顶点的三维坐标
1.3K30编辑于 2022-03-29 - 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。 PhysCap，一款基于AI算法的单目3D实时动捕方案。 结果发现，他们的方法在平均关节位置(MPJPE）的误差低于PhysCap。 后面还有其他3位来自多伦多大学和英伟达的作者，就不一一介绍了。
1.9K10发布于 2021-09-29 - 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。 3️⃣ Bones-SEED：15 万 + 超大运动数据集 与 Bones Studio 合作打造，超 15 万条 SOMA 格式运动数据，已经完成面向宇树 G1 人形机器人的迁移适配，是目前业内规模最大
1.1K10编辑于 2026-04-24 - 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
1.3K10编辑于 2023-05-02
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