LHM：阿里推出的单张图像重建出可动画化的3D人体模型

LHM是什么？

LHM是由阿里巴巴通义实验室提出的用于从单张图像重建可动画化3D人体模型的技术。解决从单张图像重建3D人体时的几何、外观和变形解耦问题，通俗地讲，也就是只需提供一张照片，几秒钟就可创建出一个3D人体模型，这个人体模型可以做各种动作，衣服、头发、面部等细节保持的很好，效果看起来非常逼真。

LHM技术亮点

多模态Transformer架构：

利用多模态Transformer架构，有效编码人体位置特征和图像特征。

通过注意力机制保留细节，尤其是衣物的几何形状和纹理。

头部特征金字塔编码方案：

提出头部特征金字塔编码方案，聚合头部区域的多尺度特征。

提升面部身份的保留和细节恢复能力。

3D高斯绘制（Gaussian Splatting）：

将3D人体表示为高斯绘制，支持实时、逼真的渲染和姿态控制的动画。

LHM方法流程

输入图像：从输入图像中提取身体和头部的图像标记（tokens）。

多模态Transformer融合：利用提出的 Multimodal Body-Head Transformer (MBHT) 将3D几何身体标记与图像标记融合。

解码为高斯参数：经过基于注意力的融合过程后，几何身体标记被解码为高斯参数。

LHM实验结果

快速重建：LHM 能够在数秒内从单张图像中重建出可动画化的3D人体模型，无需后处理。

高精度与泛化能力：在合成数据集和真实场景数据集上的实验表明，LHM 在重建精度、泛化能力和动画一致性方面达到了行业领先水平。

面部和手部细节：LHM 能够生成逼真的面部和手部细节，优于现有方法。

LHM特点

快速重建：LHM能够在数秒内从单张图像中重建出可动画化的3D人体模型，无需后处理。

高精度与泛化能力：在合成数据集和真实场景数据集上的实验表明，LHM在重建精度、泛化能力和动画一致性方面达到了行业领先水平。

实时渲染与动画控制：重建的模型支持实时渲染和姿态控制的动画，适用于沉浸式AR/VR等应用场景。

LHM应用场景

元宇宙：为用户提供个性化的3D虚拟形象，增强虚拟世界的沉浸感。

影视制作：快速生成高质量的3D角色模型，提高制作效率。

游戏开发：创建逼真的3D游戏角色，提升游戏的视觉效果。

相关链接

GitHub 代码库：https://github.com/aigc3d/LHM

项目主页：https://lingtengqiu.github.io/LHM/

论文：https://arxiv.org/abs/2503.10625