Virtueller Anproberaum mit SMPL-Anthropometrie

vAnproberaum verwendet das SMPL-Modell (Skinned Multi-Person Linear), das verschiedene Körperformen in natürlichen menschlichen Posen darstellt.

ML fähige Lösung

3D Die Modelle basieren auf Skinning und Shape Blending

Profil des Partners

Hintergrund

vTry-On Room ist eine Fallstudie zum maschinellen Lernen, die virtuelle Anprobeerfahrungen ermöglicht, indem virtuelle Kleidung an SMPL-Modelle angepasst wird. Das SMPL-Modell (Skinned Multi-Person Linear) wird zur Darstellung des menschlichen Körpers verwendet. Es bietet ein parametrisches Modell, das die Form- und Posenvariationen eines menschlichen Körpers erfasst.

Zielsetzung

Durch die Anpassung der Körperformparameter des SMPL-Modells können die Benutzer simulieren, wie verschiedene Kleidungsstücke an Personen mit unterschiedlichen Körperformen passen.

Website besuchen

Lösung

Das SMPL-Modell (Skinned Multi-Person Linear) wird zur Darstellung des menschlichen Körpers verwendet. Es bietet ein parametrisches Modell, das die Form- und Posenvariationen eines menschlichen Körpers erfasst. Mit der SMPL-Anthropometrie-Bibliothek passen wir virtuelle Kleidung an SMPL-Modelle an, um eine virtuelle Anprobe zu ermöglichen. Die SMPL-Anthropometrie-Bibliothek bietet Funktionen zur Manipulation der Form- und Poseparameter des SMPL-Modells, zur Anwendung von Kleidungssimulationen und zum Rendern des virtuellen Anprobeerlebnisses. Durch die Anpassung der Körperform-Parameter ermöglicht sie die realistische Darstellung von Personen mit unterschiedlichen Körperformen und damit ein personalisiertes virtuelles Anprobe-Erlebnis. Diese Anwendung kann im E-Commerce, im Modedesign und in virtuellen Umkleidekabinen eingesetzt werden.

Virtuelle Anprobe

Mit der simulierten Kleidung, die auf dem SMPL-Modell drapiert wird, kann die virtuelle Anprobe durchgeführt werden. Indem das virtuelle Modell mit der Kleidung gerendert wird, können sich die Nutzer ein Bild davon machen, wie verschiedene Kleidungsstücke an ihrem Körper passen und aussehen würden. Sie können verschiedene Kleidungsstile, -farben und -größen erkunden, ohne sie physisch anzuprobieren. Dies kann helfen, fundierte Entscheidungen vor dem Online-Kauf von Kleidung zu treffen, oder Modedesignern beim Entwurfsprozess helfen.

Körper-Rekonstruktion

Der erste Schritt besteht darin, die SMPL-Modellparameter zu ermitteln, die der Körperform der Person, für die die virtuelle Anprobe durchgeführt wird, am besten entsprechen. Dies kann durch den Einsatz von Körperscanner-Technologien, wie z. B. 3D-Körperscannern, oder durch bildbasierte Techniken, die die Körperform aus 2D-Bildern oder Videos schätzen, erreicht werden.

Simulation von Kleidung

Sobald die Körperformparameter ermittelt sind, können virtuelle Kleidungsstücke simuliert und auf das SMPL-Modell drapiert werden. Zur Simulation des Verhaltens und des Aussehens der Kleidung am virtuellen Körper können verschiedene Simulationstechniken eingesetzt werden, z. B. die physikbasierte Stoffsimulation oder geometrisch basierte Methoden. Diese Techniken berücksichtigen die Körperform, die Pose und die physikalischen Eigenschaften des Stoffes, um das Verhalten der Kleidung realistisch zu simulieren.

Technologien

Virtual technologies

SMPL Anthropometry, AR/VR, AI

Projekte

AIMCP

KI-Avatar-Videopipeline und MCP-Server für Astrologie-Medien

Horoskop-Reels mit drei KI-Personas und ein MCP-Server, der LLM-Agenten exakte astrologische Berechnungen liefert.

58 fertige Reels aus der Pipeline

~20 Min. von Datum und Sternzeichen bis zum fertigen Reel

0 Codeänderungen für eine neue KI-Persona

Fall ansehen

APISaaS

API-First-Plattform für die Auslieferung von Musik-Releases an Streaming-Dienste

Auslieferungskern für Labels mit Exactly-once-Übermittlung und Mandantentrennung; das erste echte Release ging in 21 von 21 Stores live.

21/21 Stores erhielten das erste echte Release

<8 Wo. vom Kickoff bis zum ersten Live-Release

2 Delivery-Provider hinter einem Adapter-Vertrag

API-First-Plattform für die Auslieferung von Musik-Releases an Streaming-Dienste

Fall ansehen

AIVideo Localization

KI-Videolokalisierung in 17 Sprachen ohne erneutes Rendering

Sprachvarianten für KI-generierte Kurzvideos: übersetzt, neu vertont und auf das bestehende Bildmaterial abgestimmt.

17 Sprachen aus einem fertigen Video

4–20× günstiger als eine Dubbing-API (Teamschätzung)

1 Klick für alle Sprachvarianten

KI-Videolokalisierung in 17 Sprachen ohne erneutes Rendering

Fall ansehen

SMPL3D