L'Université technologique de Nanyang a collaboré avec l'équipe SenseTime S-Lab pour développer un cadre de modélisation 3D efficace du corps humain appelé GauHuman, basé sur la technologie Gaussian Splatting et s'appuyant sur le concept de Human NeRF. GauHuman a réalisé des avancées significatives en termes de vitesse et de qualité de rendu. La modélisation ne prend que 1 à 2 minutes et peut effectuer un rendu en temps réel à 189 images par seconde, dépassant de loin le niveau technique actuel.
L'équipe S-Lab de l'Université technologique de Nanyang et SenseTime ont récemment publié un résultat de recherche passionnant, lançant un cadre de modélisation 3D efficace du corps humain basé sur le Splatting gaussien, nommé GauHuman. Le cadre a réalisé des avancées significatives en matière de reconstruction rapide et de rendu en temps réel, offrant ainsi une solution efficace pour la modélisation du corps humain dans le domaine numérique. GauHuman réalise la modélisation en 1 à 2 minutes et restitue jusqu'à 189 images par seconde, dépassant les solutions existantes et offrant de larges perspectives d'application, couvrant les jeux, les films, la réalité virtuelle et d'autres domaines. Grâce aux paramètres SMPL et aux réseaux neuronaux, GauHuman traite efficacement les vidéos monoculaires du corps humain et génère rapidement des humains numériques 3D de haute qualité, créant ainsi une nouvelle situation dans la modélisation 3D du corps humain. Le cadre de modélisation de GauHuman est basé sur le Gaussian Splatting et inspiré du précédent Human Neural Radiation Field (Human NeRF).
L'émergence de GauHuman marque un nouveau sommet dans la technologie de modélisation humaine 3D. Son efficacité et sa haute précision favoriseront grandement le processus de numérisation des jeux, des films, de la réalité virtuelle et d'autres industries, offrant aux créatifs des outils plus puissants et un flux de travail plus pratique. À l’avenir, à mesure que la technologie continue de mûrir, GauHuman devrait être largement utilisé dans davantage de domaines.