GeneMAN是什么

GeneMAN是上海AI实验室、北京大学、南洋理工大学、上海交通大学联合推出的3D人形创建框架，能从单张图片中创建出高保真度的3D人体模型。框架不依赖于参数化人体模型，是用多源高质量人类数据集，包括3D扫描、多视角视频、单张照片和合成数据训练人类特定的2D和3D先验模型。GeneMAN基于几何初始化、雕刻流程和多空间纹理细化技术，实现从自然环境数据图像中提取高质量3D人体模型的目标，不论图像中的人体比例、姿势或服装如何变化。

GeneMAN的主要功能

处理多样化的人体比例：无论图片中的人物是全身、半身还是特写，GeneMAN都能重建出相应的3D模型。适应不同的服装和姿势：GeneMAN能处理各种服装和人体姿势，包括自然姿势和常见物品。处理野外图像：GeneMAN特别擅长处理自然环境下的图像，即所谓的“野外数据”，这些图像可能包含多种复杂背景和光照条件。生成高质量的纹理：基于多空间纹理细化流程，GeneMAN能生成细节丰富、与输入图像一致的3D人体纹理。

GeneMAN的技术原理

2D和3D人类先验模型训练：文本到图像扩散模型：训练一个人类特定的文本到图像扩散模型，用在生成2D人类先验。视图条件扩散模型：训练一个视图条件扩散模型，用在生成3D人类先验。几何初始化与雕刻流程：无模板几何初始化：用NeRF（神经辐射场）技术初始化一个无模板的3D几何形状。结合先验与损失：结合GeneMAN的2D和3D先验及结构化差异损失（SDS损失）引导几何初始化。参考损失：用参考损失确保与输入图像的对齐。高分辨率细化：将NeRF转换为DMTet（深度多面体网格）进行高分辨率的几何细化，由预训练的人类特定的法线和深度适应扩散模型引导。多空间纹理细化流程：粗纹理生成：用多视图纹理技术生成粗略的纹理。潜在空间细化：在潜在空间中迭代细化纹理。像素空间细化：基于优化UV图在像素空间中获得详细纹理，用基于2D先验的ControlNet进行优化。

GeneMAN的项目地址

项目官网：roooooz.github.io/GeneMANGitHub仓库：https://github.com/roooooz/GeneMAN（即将开源）arXiv技术论文：https://arxiv.org/pdf/2411.18624

GeneMAN的应用场景

虚拟试衣：用户上传自己的全身照片，生成3D模型，用于在线试穿服装，提供更真实的试衣体验。游戏和娱乐：在游戏和电影制作中，创建或修改角色模型，提供更个性化和逼真的角色设计。增强现实（AR）和虚拟现实（VR）：在AR和VR应用中，生成用户的3D化身，提高沉浸感和交互性。时尚设计：设计师快速将设计草图转换成3D模型，加速设计流程。健身和健康管理：基于分析用户的3D模型，提供个性化的健身指导和健康建议。