BODIES: SUPRに基づく個人の体形パラメータと3Dメッシュ

なぜデジタルな分身が重要か

オンラインで服を試着したり、外科医の訓練を仮想現実で行ったりと、多くの技術は私たちの身体の現実的なデジタル版に依存している。しかし、正確な体形や寸法が重要な場合には、こうした詳細な3Dアバターを作るのは依然として時間がかかり、難しい。本研究は、単純な画像から正確な人体を再構成しやすくするために設計された大規模な新しいデータセットを紹介しており、これによりバーチャル試着室から医療用シミュレータまで様々な分野が改善される可能性がある。

人体を記述する新しい方法

現在の多くの3D人体モデリングシステムは、限られた数値で制御される単一の変形可能な表面として人体を扱う標準的な手法SMPLの周辺で構築されている。便利ではあるが、SMPLは顔、手、足といった細部の表現が不得手であり、実際の人体形状の多様性を完全には網羅していないデータで訓練されている。より新しいモデルであるSUPRは身体をパーツごとに表現し、極端な体型や頭部・手・足の詳細を含む100万点以上のスキャンで訓練されている。理論上、SUPRは人体の形状や動きをより忠実に捉えるはずだが、SUPRに基づく大規模でそのまま使えるデータセットが存在しなかったため、これまであまり利用されてこなかった。

BODIESデータセットの構築

このギャップを埋めるため、著者らはSUPRモデルを用いて定義された84,000体の合成デジタル被検体から成るBODIESを作成した。各被検体は、ニュートラルな直立姿勢での体形を制御する一連の数値、3Dサーフェスメッシュ、および前面と側面の2枚の画像で記述される。研究者たちは男女別の集団を生成し、形状を表す数値の数を10から300まで段階的に増やした。これらの数値は身長や体重の分布に似たベル型の統計分布からサンプリングされ、極端な値はありえない体を避けるために切り落とした。各被検体についてメッシュ、形状値、算出した身長と体重、標準化された画像を保存し、外部のチームが自分たちの機械学習パイプラインに直接組み込めるように整理している。

再構成精度の検証

次に、SUPRとBODIESを使うことが本当に画像からの3D人体再構成を改善するかを検証した。彼らは既存の三段構成システムを出発点とした：前面と側面画像から人物の輪郭を切り出すモジュール、これらの輪郭を圧縮してコンパクトな視覚特徴にするモジュール、そしてその特徴と身長・体重を入力に体形値と3Dメッシュを出力する最終モジュールである。著者らは画像処理ステップを改良し、システムをSMPLではなくSUPRで動作するように適応させた。最初の一連のテストでは、このシステムを従来のSMPLベースのデータセットで訓練した場合とBODIESで訓練した場合を比較し、再構成されたメッシュと元のメッシュとの差を測定した。BODIESとSUPRを用いることで誤差は概して減少し、特に女性の体では顕著であった。これは、より豊かなモデルと幅広い形状カバレッジがより正確な形状を学習するのに寄与していることを示唆している。

どれだけ詳細な形状が有効か

次に、形状を表す数値の数が性能にどう影響するかを調べた。直感的には数が多いほど細部を捉えやすいはずだが、同時に予測問題は難しくなる。10から300までの形状値を用いたBODIESのバージョンで訓練・テストを行ったところ、ターゲット記述が詳細になるほど再構成誤差は増える傾向があった。前後2枚のシルエットと少数の測定値だけでは、数百の形状パラメータが許す多数の微調整を正確に特定するのは難しい。一方で、異なる詳細レベルで訓練したモデルがデータセットの全バージョンにどれだけ一般化するかを見ると、中程度から高い数の形状値で訓練したモデルは、あまりに狭いケースに過度適合することなく微妙な体の特徴を表現するバランスをうまくとる場合が多かった。

仮想人物から実際のスキャンへ

最後に、合成データでの訓練が実際の人物にどれだけ適用できるかを試した。彼らは34人分の入念にクリーニングされた3Dスキャンを使用し、前面と側面の画像を生成して、従来のSMPLデータセットで訓練したモデルとBODIESで訓練したモデルのどちらがこれらの体を再構成できるかを比較した。評価は身長・体重・主要な周囲長を比較することで行い、視覚的類似度についてはボランティアの評価も用いた。総じて、純粋な合成テストより誤差は大きくなり、コンピュータ生成形状から現実の雑多さへのギャップを反映していた。それでも、BODIESで訓練したモデルは特に女性においてSMPL訓練モデルに匹敵するか上回る結果を出すことが多く、SUPRベースのデータセットが実世界の複雑な体型にもより強く対応できることを裏付けた。

将来のアバターにとっての意義

専門外の読者に向けた主要なメッセージは、本研究が新しい豊富なデジタル体ライブラリを提供すると同時に、より詳細な体モデルが機械による人体形状再構成の精度を向上させ得るという証拠を示したことだ。BODIESは開発者がバーチャル試着室、リアルなゲーム・映画のキャラクター、患者固有の医療ツールの裏側でシステムを訓練するために使える何万もの標準化された例を提供する。一方で、本研究はわずか二つの視点から複雑な体の詳細を推定することの限界も示しているが、実際の人々のサイズや比率をより忠実に反映するデジタル分身に向けた道筋を示している。

引用: 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

キーワード: 3D人体再構成, デジタルアバター, 合成ボディデータセット, バーチャル試着, 体形モデリング