Le modèle SIFU lancé par le laboratoire ReLER de l'université du Zhejiang a réalisé une avancée significative dans le domaine de la modélisation 3D du corps humain. Ce modèle combine intelligemment la fonction implicite conditionnelle de vue latérale et le modèle de diffusion, résout efficacement les lacunes des méthodes traditionnelles de conversion de caractéristiques 2D et de prédiction de texture d'espace 3D, et réalise la reconstruction de modèles de corps humain 3D de haute qualité à partir d'une seule image. Sa robustesse supérieure et ses larges perspectives d'application en font une technologie potentiellement innovante dans l'impression 3D, la construction de scènes, l'édition de textures et d'autres domaines.
Le modèle SIFU proposé par le laboratoire ReLER de l'Université du Zhejiang résout les lacunes des méthodes traditionnelles dans l'étape de prédiction de la fonctionnalité 2D à l'espace 3D et de la texture en introduisant des fonctions implicites conditionnelles de vue latérale et des modèles de diffusion. Ce modèle peut reconstruire des modèles 3D de corps humain de haute qualité à l'aide d'une seule image. Il est plus robuste et adapté à plusieurs scénarios d'application. Les modèles SIFU offrent un large éventail de scénarios d'application, notamment l'impression 3D, la construction de scènes, l'édition de textures, etc., apportant de nouvelles possibilités aux domaines connexes. Le modèle atteint SOTA dans les tests de reconstruction de géométrie et de texture et comble les lacunes des méthodes traditionnelles.
Avec ses excellentes performances et son large potentiel d'application, le modèle SIFU a apporté une nouvelle direction au développement de la technologie de modélisation humaine 3D et indique également que d'autres innovations émergeront dans ce domaine à l'avenir. Ses performances dans SOTA reflètent le leadership technologique du modèle et fournissent une valeur de référence précieuse pour la recherche connexe. On s’attend à ce que le modèle SIFU puisse être encore amélioré et appliqué dans davantage de domaines à l’avenir.