BODIES: פרמטר צורת גוף ומאש־תלת־ממדי של פרטים מבוססים על SUPR

מדוע כפילי גוף דיגיטליים חשובים

מאימוץ מדידות וירטואליות של בגדים ועד לאימון מנתחים במציאות מדומה — טכנולוגיות רבות מסתמכות כיום על גרסאות דיגיטליות מציאותיות של גופינו. יחד עם זאת, בניית אווטרים תלת־ממד מפורטים עדיין איטית ומורכבת, במיוחד כאשר צורת הגוף והמידות המדויקות חשובות. מחקר זה מציג מאגר נתונים חדש וגדול שנועד להקל על מחשבים לשחזר גופים אנושיים מדויקים מתמונות פשוטות, ויכול לשפר תחומים רבים החל מחדרי מדידה וירטואליים ועד סימולטורים רפואיים.

דרך חדשה לתאר את הגוף האנושי

רוב המערכות הנוכחיות למידול אנשים בתלת־ממד בנויות סביב תקן נפוץ בשם SMPL, שמתייחס לגוף האדם כמשטח מתעקל יחיד הנשלט על־ידי קבוצה מוגבלת של מספרים. אמנם שימושי, SMPL מתקשה בתיאור פרטים עדינים כמו פנים, ידיים ורגליים, והוא אומן על נתונים שאינם מכסים במלואם את המגוון העצום של צורות גוף אמיתיות. מודל חדש יותר, בשם SUPR, מייצג את הגוף בחלקים ואומן על יותר ממיליון סריקות, כולל טיפוסים קיצוניים ורישומים מפורטים של ראש, ידיים ורגליים. באופן עקרוני, SUPR אמור ללכוד צורה ותנועה אנושיות באמינות גבוהה יותר, אך נעשה בו שימוש מועט כי לא היו קיימים מאגרים גדולים ומוכנים לשימוש המבוססים עליו.

בניית מאגר BODIES

כדי לסגור פער זה, הכותבים יצרו את BODIES, אוסף סינתטי של 84,000 פריטי דמות דיגיטליים המוגדרים באמצעות מודל SUPR. כל פריט מתואר בעמידת נייטרלית פשוטה על־ידי סט ערכי מספר שמבקרים את צורת הגוף, בנוסף למאש משטח תלת־ממדי ושתי תמונות המציגות מבטים מלפנים ומהצד. החוקרים ייצרו אוכלוסיות נפרדות לזכרים ולנקבות, והגדילו בהדרגה את מספר ערכי הצורה שהשתמשו בהם — מתיאור קומפקטי של 10 מספרים ועד תיאור מפורט עם 300. הם שלפו ערכים אלה מתוך התפלגות סטטיסטית בצורת פעמון בדומה לאופן בו גובה ומשקל מפוזרים באוכלוסיות אמיתיות, ואז קיצצו קיצוניות כדי להימנע מגופים בלתי אפשריים. עבור כל פריט שמרו המאש, ערכי הצורה, גובה וחישוב משקל, ותמונות סטנדרטיות, וארגנו הכול כך שקבוצות אחרות יוכלו לחבר את הנתונים ישירות לצינורות הלמידה המכונה שלהם.

בדיקת איכות השחזורים

הצוות בדק האם שימוש ב‑SUPR וב‑BODIES אכן משפר שיחזור גופים תלת־ממדיים מתמונות. הם התחילו ממערכת קיימת בעלת שלושה רכיבים: מודול שמגזור את הקווי מתאר של האדם מתמונות מלפנים ומהצד, מודול שמכווץ את הקווים הללו לתכונות חזותיות קומפקטיות, ומודול סופי שהופך את התכונות הללו, יחד עם גובה ומשקל, לערכי צורת גוף ולמאש תלת־ממדי. המחברים שידרגו את שלבי עיבוד התמונה והתאימו את המערכת לעבוד עם SUPR במקום SMPL. בבדיקות הראשונות השוו אימון של המערכת על מאגר ותיק מבוסס SMPL לעומת על BODIES, ואז מדדו עד כמה המאש המשוחזר רחוק מהמקור. שימוש ב‑BODIES ו‑SUPR בדרך כלל הפחית את השגיאות, במיוחד עבור גופים נשיים, מה שמרמז שהמודל העשיר וכיסוי הצורות הרחב עוזרים למערכת ללמוד צורות מדויקות יותר.

כמה פרטי צורה מועילים

בהמשך בחנו המחברים כיצד מספר ערכי הצורה משפיע על הביצועים. באופן אינטואיטיבי, יותר מספרים אמורים לאפשר לכידת פרטים עדינים יותר, אך הם גם מקשים על בעיית החיזוי. על־ידי אימון ובדיקה לאורך גרסאות של BODIES שהשתמשו ב‑10 עד 300 ערכי צורה, החוקרים מצאו ששגיאות השחזור נוטות לעלות ככל שהתיאור היעד מפורט יותר. עם שתי סילואטות ומיעוט מדידות להסתמך עליהן, המערכת מתקשה לקבוע את ההתאמות הקטנות הרבות שמותרות על־ידי מאות הגדרות צורה. עם זאת, כשבדקו כיצד דגמים שאומנו עם רמות שונות של פירוט מתכללים על כל גרסאות המאגר, אלה שאומנו עם מספר בינוני או גבוה של ערכי צורה לעתים מצאו איזון טוב יותר — למדו לייצג תכונות גוף עדינות ללא התאמה יתר מוגזמת למקרה צר אחד.

מאנשים וירטואליים לסריקות אמיתיות

לבסוף, הצוות בדק כיצד אימון על נתונים סינתטיים עובר לשימוש באנשים אמיתיים. הם השתמשו בסריקות תלת־ממד מטופחות של 34 אנשים, ייצרו תמונות מלפנים ומהצד, וביקשו מהדגמים שאומנו או על מאגר SMPL הוותיק או על BODIES לשחזר גופים אלה. הם העריכו דיוק על־ידי השוואת גבהים, משקלים והיקפים מרכזיים, וכן על־ידי בקשת דירוגי דימיון חזותי ממתנדבים. בסך הכל, השגיאות היו גדולות יותר מאשר במבחנים סינתטיים בלבד, מה שמשקף את המעבר מצורות שמיוצרות במחשב למציאות המסורבלת. עדיין, דגמים שאומנו על BODIES לעתים התאימו או עלו על דגמי SMPL, ובמיוחד עבור נשים, מה שמאשר שמאגר מבוסס SUPR יכול להתמודד טוב יותר עם צורות גוף מורכבות גם בתנאי עולם אמיתי.

מה זה אומר לגבי אווטרים בעתיד

לקורא שאינו מומחה, המסר המרכזי הוא שעבודה זו מספקת הן ספרייה עשירה חדשה של גופים דיגיטליים והן ראיה שמודל גוף מפורט יותר יכול לשפר את הדיוק שבו מכונות משחזרות צורת אדם. BODIES מציע עשרות אלפי דוגמאות סטנדרטיות שמפתחים יכולים להשתמש בהן לאימון מערכות מאחורי חדרי מדידה וירטואליים, דמויות ריאליסטיות למשחקים וסרטים וכלים רפואיים מותאמים למטופל. בעוד שהמחקר גם מראה את מגבלות המסקנה של פרטי גוף מורכבים משתי זוויות בלבד, הוא מצביע על כיוון של כפילים דיגיטליים נאמנים יותר שתואמים טוב יותר את הגדלים והפרופורציות של אנשים אמיתיים.

ציטוט: Cannavò, A., Manigrasso, F., Moro, F. et al. BODIES: BOdy shape parameter and 3D meshes of Individuals basEd on SUPR. Sci Data 13, 736 (2026). https://doi.org/10.1038/s41597-026-06777-4

מילות מפתח: שיחזור גוף אנושי תלת־ממדי, אווטרים דיגיטליים, מאגר גוף סינתטי, מדידה מדומה להתאמת לבוש, נומנולוגיית צורת גוף