3D Body Model（3D人体模型）

什么是3D人体模型？

3D人体模型是代表人体特征的数字化网格模型。大多数属于参数化模型：通过少量参数（如身高、胸围、腰围、臀围或经过学习的体型系数），将基础网格模型变形为特定的体型。诸如SMPL等研究模型推广了这一方法，它将体型（人的体格）和姿势（人的站姿）区分开来。

模型可以通过手工测量、人体扫描生成，或者利用姿势估计和体型回归算法根据一张或多张照片估算得出。

它的用途有哪些

尺码推荐：将人体网格模型与衣物尺寸进行比对，以提供尺码建议。
贴合度可视化：展示衣物穿在身上哪里紧、哪里松，通常以热力图的形式呈现。
布料模拟：在3D服装设计工具中，物理引擎将数字服装披在网格模型上，预览悬垂效果。
虚拟形象试穿：在个性化的虚拟形象上展示试穿效果，而不是在消费者本人的照片上。

3D人体模型 vs. 照片试穿

基于人体模型的虚拟形象方法在精准测量贴合度方面表现出色，但展示的是虚拟形象而非消费者本人。基于照片的虚拟试衣间则是将衣物直接合成到消费者的真实照片上，更注重视觉真实感而非毫米级的精确度。有些系统会将两者结合：用人体模型推荐尺码，用生成图像呈现视觉效果。

主要的参数化模型

模型	推出时间	改进之处
SMPL	2015年，马克斯·普朗克智能系统研究所	通过约10个形体参数和72个姿势参数驱动的紧凑人体网格模型；是该领域研究的基准模型
SMPL-X	2019年	在原模型基础上增加了关节分明的手部和面部表情
STAR	2020年	SMPL的继任者，模型更为稀疏和紧凑，每个顶点的参数更少

这些模型是通过成千上万次3D人体扫描数据学习得出的。它们的体型参数捕捉了人体的主要差异（整体尺寸、身高、体重分布），因此只需少数几个数字就能描述极其广泛的体型特征。

人体数据从何而来

测量数据：在表单中输入身高、体重以及少数几个部位的围度。速度很快，但自我填报的数据往往存在几厘米的误差。
智能手机扫描：消费者在镜头前转动约一分钟，软件将网格模型与视频进行匹配。精确度较高，但在消费者看到结果前需要付出一定的操作成本。
单张照片：通过单张图像进行体型回归。最省力，但对于被衣物遮挡的身体比例，精确度最低。
专用扫描仪：常用于实验室和部分零售店的扫描舱或结构光扫描设备。最精确，但也最难普及。

在线时尚零售面临的局限

人体模型的实用性取决于与之配套的服装数据。尺码推荐需要每件产品的具体尺寸，布料模拟则需要为每个SKU准备数字服装（包含面料属性的3D模型）。这种针对每件产品进行数字化的繁琐流程，正是基于虚拟形象的试穿技术难以在大型零售商之外普及的主要原因，也是目前多数引入试穿功能的商店更倾向于使用图像生成技术的原因。此外，人体测量数据属于个人隐私：收集这些数据的商店应明确说明数据的保留时间和用途。

常见问题

常见问题解答。

单张照片能生成3D人体模型吗？↓

大致上可以。现代算法能从单张图像中回归体型参数，不过提供多个角度的照片或已知的参考测量数据能提高准确度。若论精度，硬件扫描设备依然是最佳选择。

什么是SMPL？↓

SMPL（蒙皮多人线性模型）是由马克斯·普朗克智能系统研究所的研究人员于2015年发布的一种参数化3D人体模型。它用少量的体型和姿势参数来呈现人体，是研究领域应用最广的人体模型，并衍生出了支持手部和面部细节的SMPL-X等扩展版本。

虚拟试穿必须用到3D人体模型吗？↓

如果是基于照片的试穿，则不需要。生成系统能直接将衣物渲染到消费者的照片上，无需构建网格模型。3D人体模型主要用于基于测量的尺码推荐或基于物理引擎的布料模拟。