云從科技3D人體技術(shù)取得重大突破 刷新三項(xiàng)世界紀(jì)錄

近年來，應(yīng)用場(chǎng)景的旺盛需求，推動(dòng)AI領(lǐng)域?qū)⒓夹g(shù)能力從感知延伸到認(rèn)知、從2D擴(kuò)展到3D。

3月19日，云從科技基于單幀圖像的3D人體重建技術(shù)同時(shí)在Human3.6M、Surreal和UP-3D上創(chuàng)造了最新的世界紀(jì)錄，此次突破將原有最低誤差記錄大幅降低30%，也是繼去年云從在3D人臉數(shù)據(jù)集上大幅刷新紀(jì)錄后，再次在此類3D重建技術(shù)上取得重要成果。

　　Human3.6M數(shù)據(jù)集上對(duì)比

　　Surreal數(shù)據(jù)集上對(duì)比

　　UP-3D數(shù)據(jù)集上對(duì)比

3D重建領(lǐng)域通常以誤差(Error)作為衡量算法能力的主要指標(biāo)，誤差(Error)就是生成模型與實(shí)際圖像的差別。一般來說，誤差(Error)越低，精度越高，意味著技術(shù)的性能越好。

云從科技3D人體重建技術(shù)全身精度誤差(Surface Error)在Surreal上從75.4毫米降低到52.7毫米，關(guān)節(jié)精度誤差(3DJointError)從55.8毫米降低到40.1毫米，Human3.6M上的關(guān)節(jié)精度誤差(3DJointError)從59.9毫米降低到46.7毫米，技術(shù)的執(zhí)行速度從之前的上百毫秒降低到僅需5毫秒。

論文中，云從科技針對(duì)人體具有豐富多樣的姿態(tài)和穿著的特點(diǎn)，提出了一套全新的基于人體3D縱深預(yù)測(cè)的3D信息表征方式。通過對(duì)三原色圖像(RGB，不含深度信息)的分析，預(yù)測(cè)人體的3D形態(tài)和姿勢(shì)，并用6萬多個(gè)點(diǎn)完整描繪人體，從而在人體重建技術(shù)上取得速度與精度的雙突破，呈現(xiàn)出來的模型更精細(xì)，幀率更是高達(dá)到200fps，原本由于受實(shí)時(shí)顯示限制而無法實(shí)現(xiàn)的應(yīng)用可以一一實(shí)現(xiàn)——這將極大地推動(dòng)相關(guān)智能圖像應(yīng)用的落地步伐。

由于對(duì)輸入圖像的要求低，使3D重建技術(shù)將可以利用普通光學(xué)攝像頭作為感知設(shè)備。該技術(shù)將會(huì)使美顏APP無需結(jié)構(gòu)光攝像頭也能具備高精準(zhǔn)度的瘦身與動(dòng)畫合成功能;商場(chǎng)內(nèi)試衣魔鏡將會(huì)自動(dòng)根據(jù)身形生成你所想要更換的衣服，大大節(jié)省商場(chǎng)空間的同時(shí)提升用戶體驗(yàn)度，使更多智能應(yīng)用成為可能。

通過重要人員影像重建、醫(yī)療仿真肢體打印、虛擬試衣、美顏化妝、表情姿態(tài)動(dòng)畫合成等應(yīng)用場(chǎng)景在大型商場(chǎng)、直播平臺(tái)、美顏軟件、影視特效制作等行業(yè)普惠AI能力。

值得一提的是，Human3.6M、Surreal和UP-3D是全球關(guān)于3D人體重建技術(shù)的權(quán)威數(shù)據(jù)集，加州大學(xué)伯克利分校、馬克斯-普朗克研究所、Amazon、賓夕法尼亞大學(xué)、北京大學(xué)、浙江大學(xué)、MicrosoftResearch、法國國家信息與自動(dòng)化研究所、AdobeResearch等知名企業(yè)、研究所和大學(xué)都在該榜單的競(jìng)爭(zhēng)隊(duì)列中，算法實(shí)力比拼可謂激烈，相較于以往，中國企業(yè)與高校機(jī)構(gòu)開始逐漸在國外老牌優(yōu)勢(shì)領(lǐng)域展露頭角。

與傳統(tǒng)關(guān)鍵點(diǎn)檢測(cè)、3D重建技術(shù)的區(qū)別

傳統(tǒng)的人體關(guān)鍵點(diǎn)檢測(cè)技術(shù)往往以2D的人體骨骼關(guān)節(jié)點(diǎn)檢測(cè)形式出現(xiàn)，即通過技術(shù)預(yù)測(cè)RGB圖像中人體的十幾個(gè)關(guān)節(jié)點(diǎn)的坐標(biāo)，一方面結(jié)果非常稀疏，將人體大為簡(jiǎn)化成骨骼的形式，另一方面結(jié)果往往只包含二維平面上的坐標(biāo)預(yù)測(cè)，不能還原深度信息，因此無法體現(xiàn)縱深的感覺。而基于單幀圖像的3D重建技術(shù)不僅能輸出骨骼關(guān)節(jié)點(diǎn)信息，更能同時(shí)預(yù)測(cè)大量的人體表面關(guān)鍵點(diǎn)信息，預(yù)測(cè)結(jié)果更加豐富，而且每個(gè)點(diǎn)的坐標(biāo)都是3D的，能夠體現(xiàn)不同軀干的縱深信息。

　　3D關(guān)鍵點(diǎn)檢測(cè)

并且傳統(tǒng)3D重建技術(shù)大多需要連續(xù)的圖像序列或是多視角的圖像，在硬件設(shè)備上一般需要采用雙目攝像機(jī)或者結(jié)構(gòu)光攝像機(jī)等設(shè)備，因此在手機(jī)等便攜設(shè)備上往往難以實(shí)現(xiàn);另一方面，專用設(shè)備還會(huì)增加部署成本，增加大規(guī)模普及3D重建技術(shù)的難度。

基于單幀圖像的3D重建技術(shù)對(duì)原始圖像的需求放松的同時(shí)，對(duì)背后的技術(shù)提出了更難的挑戰(zhàn)：技術(shù)需要從單幀圖像中推理出人體或人臉的3D形態(tài)，并通過【光學(xué)透視】【陰影疊加】等基本光學(xué)原則準(zhǔn)確預(yù)測(cè)出各個(gè)關(guān)鍵點(diǎn)在3D空間的位置和朝向，從而得到人體的姿態(tài)或表情信息。

人體姿態(tài)和服飾復(fù)雜多樣，精度提升意味著對(duì)復(fù)雜場(chǎng)景的適應(yīng)性更好，模型更接近真實(shí)的情況。如阿凡達(dá)、漫威電影、阿麗塔等電影中，都需要專用特效設(shè)備與面部貼點(diǎn)來完成精細(xì)的人像采集，基于單幀圖像的3D人體/人臉重建技術(shù)將徹底顛覆電影視頻的拍攝制作，同時(shí)降低工業(yè)級(jí)3D動(dòng)畫合成的門檻。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。