首個(gè)人體動(dòng)捕基模型SMPLer-X面世 可捕捉身體甚至面部動(dòng)作

　　首個(gè)人體動(dòng)捕基模型SMPLer-X在NeurIPS2023上亮相。本研究首次針對(duì)人體全身姿態(tài)與體型估計(jì)任務(wù)引入了SMPLer-X，通過使用來自多個(gè)數(shù)據(jù)源的450萬個(gè)實(shí)例進(jìn)行訓(xùn)練，成功刷新了七個(gè)關(guān)鍵榜單的最佳性能。

　　SMPLer-X不僅能夠進(jìn)行身體動(dòng)作捕捉，還可以輸出面部和手部動(dòng)作，甚至估計(jì)體型。這一模型的強(qiáng)大性能得益于大量的數(shù)據(jù)和大型模型，即使在未知環(huán)境中也表現(xiàn)出出色的通用性。

　　研究人員在研究中進(jìn)行了數(shù)據(jù)擴(kuò)展、模型縮放以及微調(diào)策略的探索，以進(jìn)一步提高模型性能。通過對(duì)32個(gè)不同的學(xué)術(shù)數(shù)據(jù)集進(jìn)行排名，SMPLer-X在關(guān)鍵榜單上實(shí)現(xiàn)了最佳性能，并展示了數(shù)據(jù)縮放和模型縮放的有效性。

　　這個(gè)研究還強(qiáng)調(diào)了數(shù)據(jù)集的泛化性研究，指出在模型訓(xùn)練中使用10萬個(gè)實(shí)例數(shù)量級(jí)的數(shù)據(jù)集可以獲得高性價(jià)比。此外，對(duì)不同數(shù)據(jù)集的采集場(chǎng)景和標(biāo)注也進(jìn)行了詳細(xì)研究，強(qiáng)調(diào)了生成數(shù)據(jù)集和偽標(biāo)簽數(shù)據(jù)集的重要性。

　　總的來說，SMPLer-X的提出和研究為人體動(dòng)捕領(lǐng)域帶來了重要的突破，為學(xué)術(shù)社區(qū)提供了強(qiáng)大的全身人體動(dòng)捕大模型。該研究的代碼和預(yù)訓(xùn)練模型已經(jīng)開源，為更廣泛的應(yīng)用提供了便利。這一成果不僅可以用于角色動(dòng)畫制作，還在許多其他領(lǐng)域具有潛在的應(yīng)用前景。