PSHuman:开源单图像3D人像重建技术,一张照片就能生成3D人像模型

本文涉及的产品
视觉智能开放平台,图像资源包5000点
视觉智能开放平台,分割抠图1万点
视觉智能开放平台,视频资源包5000点
简介: PSHuman 是一种先进的单图像3D人像重建技术,仅需一张照片即可生成高度逼真的3D模型,支持面部细节、全身姿态和纹理恢复,适用于影视、游戏、虚拟现实等多个领域。

❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发非常感兴趣,我会每日分享大模型与 AI 领域的最新开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦


🚀 快速阅读

  1. 技术核心:基于跨尺度多视图扩散模型,仅需一张照片即可生成逼真的3D人像模型。
  2. 功能亮点:支持面部细节重建、全身姿态生成、背景移除和结构化输出。
  3. 应用场景:广泛应用于影视制作、游戏开发、虚拟现实和时尚设计等领域。

PSHuman 是什么

pshuman

PSHuman 是一种先进的单图像3D人像重建技术,基于跨尺度多视图扩散模型,仅需一张照片即可生成高度逼真的3D人像模型。该技术能够同时建模全局形状和局部细节的联合概率分布,避免几何失真,并保持不同视图下身体形状的一致性。

通过显式人体雕刻技术,PSHuman 能够高效恢复逼真的纹理人体网格。在多个数据集上表现出色,具有出色的几何细节、纹理保真度和泛化能力。

PSHuman 的主要功能

  • 单图像3D人像重建:仅需一张照片,快速生成详细的3D模型,大幅提高建模效率。
  • 多视图扩散技术:从单一视角的照片中生成多个角度的人体图像,确保每个角度都尽可能真实。
  • 高保真度面部细节:通过跨尺度扩散方法,兼顾整体身体形状和局部面部特征,避免几何变形。
  • 结合SMPL-X人体模型:生成更加自然和真实的人体动作和形态,提升3D模型的逼真度。
  • 背景移除:支持使用 Clipdrop 或 rembg 工具移除人像照片的背景,简化后续处理流程。
  • 结构化输出:生成的3D模型和渲染视频以结构化文件形式保存,便于查看和分享。
  • SMPL-free版本:无需SMPL条件即可进行多视图生成,适用于一般姿态的人像。

PSHuman 的技术原理

  • 身体+面部增强和多视角生成:将输入照片和预测的人体骨架模型(SMPL-X)送入多视角图像扩散模型,生成6个不同角度的全身图片及高精度局部面部图片。
  • 跨尺度扩散方法:同时建模全局全身形状和局部面部特征的联合概率分布,避免几何变形。
  • 基于SMPL-X的显式人物雕刻:通过可微分的渲染技术调整、变形和重新细化SMPL-X模型,生成带真实纹理的3D人物模型。
  • 多视图图像融合:使用可微分渲染技术融合多视图颜色图像,减少生成不一致性,实现纹理映射。
  • 优化和重建模块:通过优化SMPL-X参数对齐多视图图像,进行几何优化,并使用可微分光栅化技术对网格进行雕刻。

如何运行 PSHuman

1. 环境配置

首先,创建一个 Conda 环境并安装依赖:

conda create -n pshuman python=3.10
conda activate pshuman

# 安装 PyTorch
pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --index-url https://download.pytorch.org/whl/cu121

# 安装 Kaolin
pip install kaolin==0.17.0 -f https://nvidia-kaolin.s3.us-east-2.amazonaws.com/torch-2.1.0_cu121.html

# 安装其他依赖
pip install -r requirements.txt

2. 背景移除

使用 Clipdrop 或 rembg 工具移除人像照片的背景:

python utils/remove_bg.py --path $DATA_PATH$

3. 运行推理

通过以下命令生成3D模型和渲染视频:

CUDA_VISIBLE_DEVICES=$GPU python inference.py --config configs/inference-768-6view.yaml \
    pretrained_model_name_or_path='pengHTYX/PSHuman_Unclip_768_6views' \
    validation_dataset.crop_size=740 \
    with_smpl=false \
    validation_dataset.root_dir=$DATA_PATH$ \
    seed=600 \
    num_views=7 \
    save_mode='rgb'

资源


❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发非常感兴趣,我会每日分享大模型与 AI 领域的最新开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦

相关文章
|
编解码 数据可视化 API
如果实现图像人脸融合?
本文介绍的API接口是阿里云视觉智能开放平台的图像人脸融合,用以演示。
934 1
如果实现图像人脸融合?
|
17天前
|
人工智能 自然语言处理 并行计算
VITRON:开源像素级视觉大模型,同时满足图像与视频理解、生成、分割和编辑等视觉任务
VITRON 是由 Skywork AI、新加坡国立大学和南洋理工大学联合推出的像素级视觉大模型,支持图像与视频的理解、生成、分割和编辑,适用于多种视觉任务。
91 13
VITRON:开源像素级视觉大模型,同时满足图像与视频理解、生成、分割和编辑等视觉任务
|
28天前
|
机器学习/深度学习 编解码 人工智能
InvSR:开源图像超分辨率生成模型,提升分辨率,修复老旧照片为超清图像
InvSR 是一个创新的图像超分辨率模型,基于扩散模型的逆过程恢复高分辨率图像。它通过深度噪声预测器和灵活的采样机制,能够高效地提升图像分辨率,适用于老旧照片修复、视频监控、医疗成像等多个领域。
185 9
InvSR:开源图像超分辨率生成模型,提升分辨率,修复老旧照片为超清图像
|
7月前
|
存储 API Android开发
视觉智能开放平台产品使用合集之生成式图像超分和图像超分有什么区别
视觉智能开放平台是指提供一系列基于视觉识别技术的API和服务的平台,这些服务通常包括图像识别、人脸识别、物体检测、文字识别、场景理解等。企业或开发者可以通过调用这些API,快速将视觉智能功能集成到自己的应用或服务中,而无需从零开始研发相关算法和技术。以下是一些常见的视觉智能开放平台产品及其应用场景的概览。
|
8月前
|
机器学习/深度学习 人工智能 达摩院
DDColor:AI图像着色工具,优秀的黑白图像上色模型,支持双解码器!
DDColor:AI图像着色工具,优秀的黑白图像上色模型,支持双解码器!
427 3
|
8月前
|
机器学习/深度学习 人工智能 算法
使用纹理对比度检测检测AI生成的图像
在本篇文章中我们将介绍如何开发一个深度学习模型来检测人工智能生成的图像
124 0
|
8月前
|
机器学习/深度学习 编解码 并行计算
深度学习的图像超分技术综述-输入单张图像(SISR)和输入多张图像的基于参考的图像(RefSR)
深度学习的图像超分技术综述-输入单张图像(SISR)和输入多张图像的基于参考的图像(RefSR)
411 0
|
机器学习/深度学习 编解码 算法
【阿里云OpenVI-视觉生产系列之图片上色】照片真实感上色算法DDColor ICCV2023论文深入解读
图像上色是老照片修复的一个关键步骤,本文介绍发表在 ICCV 2023 上的最新上色论文 DDColor
2864 10
【阿里云OpenVI-视觉生产系列之图片上色】照片真实感上色算法DDColor ICCV2023论文深入解读
|
算法 TensorFlow 算法框架/工具
基于Aidlux平台的人脸关键点检测以及换脸算法
Face Mesh:468个人脸部关键点精确定位并支持多个人同时检测,支持关键点3D坐标。 Face Swap:超好玩的换脸算法,把明星的脸融合到你的身体上,让你也有星范。
|
机器学习/深度学习 存储 编解码

热门文章

最新文章