3D人體模型 (3D Body Model)

什麼是3D人體模型？

3D人體模型代表著人體的數位網格 (digital mesh)。多數模型是參數化的：只要調整一小組參數（像是身高、胸圍、腰圍、臀圍或機器學習的形狀係數），就能將預設的網格變形成特定的身形。像 SMPL 這種研究模型就帶起了這種方法的風潮，將形狀 (身形) 與姿勢 (站姿) 拆分開來。

這些模型可以透過手動測量、3D人體掃描來建立，或是運用姿勢估計 (pose estimation) 與形狀回歸 (shape regression) 技術，從一張或多張照片中推算出來。

它的用途有哪些

尺寸建議：將人體網格與服裝尺寸進行比對，進而建議適合的尺寸。
版型視覺化：呈現衣服穿起來哪裡緊、哪裡鬆，通常會以熱力圖 (heatmap) 的方式顯示。
布料模擬：物理引擎會將數位服裝覆蓋在網格上，讓設計師可以在3D服裝設計工具中預覽垂墜感。
虛擬替身試穿：為客製化的虛擬替身穿上衣服，而不是直接使用消費者的照片。

3D人體模型與照片虛擬試穿的比較

基於人體模型所打造的虛擬替身方法在可測量版型方面表現出色，但呈現出來的是虛擬替身，而不是消費者本人。相對而言，基於照片的虛擬試衣間則是將衣服合成在消費者真實的照片上，比起毫米級的精準度，更注重視覺上的真實感。有些系統會結合兩者的優勢：用人體模型來評估尺寸，並用生成式圖像來呈現視覺效果。

主要的參數化模型

模型	推出時間	主要特色
SMPL	2015年，馬克斯·普朗克智慧系統研究所	透過約10個形狀參數與72個姿勢參數驅動的精簡人體網格；是研究領域的指標模型
SMPL-X	2019年	在原有人體基礎上，加入了關節分明的手部與臉部表情
STAR	2020年	SMPL的後繼者，更加精簡，每個頂點所需的參數更少

這些模型是透過數千筆3D人體掃描資料訓練出來的。它們的形狀參數掌握了人類體型差異的主要特徵（整體大小、身高、體重分佈），因此只要幾個數字，就能描述出非常廣泛的身形。

人體數據從哪裡來？

測量數據：在表單中輸入身高、體重與幾個圍度。速度很快，但消費者自己填寫的數字通常會有幾公分的誤差。
智慧型手機掃描：消費者在鏡頭前轉一圈，軟體會將網格與影片中的身形進行擬合。比較準確，但會要求消費者在看到結果前先付出心力。
單張照片：從單一圖像進行形狀回歸。最省力，但對於被衣服遮住的身材比例，精準度也最低。
專用掃描器：在實驗室和某些零售店中使用的掃描亭與結構光設備。最精準，但門檻也最高。

在線上時尚產業的限制

3D人體模型的實用性，取決於搭配的服裝數據有多完善。尺寸建議需要每一件商品的測量數據，而布料模擬則需要每一個 SKU 都有專屬的數位服裝（具備布料特性的3D打版）。這項每個商品都需要數位化的龐大工程，正是為什麼除了大型零售商之外，很少看到基於虛擬替身的試穿服務，也是現今多數店家傾向使用照片生成式試穿的主要原因。此外，人體測量數據屬於個人隱私：收集這些資料的商店應明確告知消費者資料將保存多久以及用途為何。

常見問答

為您解答疑問。

可以從單張照片建立3D人體模型嗎？↓

大致上是可以的。現代技術可以從單一圖像中回歸形狀參數，不過如果有不同角度的照片或已知的參考數據，準確度會更高。當然，使用硬體掃描仍是最精準的選擇。

什麼是SMPL？↓

SMPL (Skinned Multi-Person Linear model) 是馬克斯·普朗克智慧系統研究所的研究人員於2015年發表的一種參數化3D人體模型。它使用少量的形狀與姿勢參數來呈現人體，是研究領域中最廣泛使用的模型，後續還推出了支援手部與臉部的擴展版本，如 SMPL-X。

虛擬試穿一定需要3D人體模型嗎？↓

若是基於照片的試穿則不需要。生成式系統會直接在消費者的照片上算繪出服裝，不需建立網格。3D人體模型主要用於基於測量數據的尺寸建議或基於物理運算的布料模擬。