日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

人体メッシュ復元arXiv:2611.09195

スマホでリアルタイムに人体メッシュを復元するInstantHMR

InstantHMR : Real-Time Human Mesh Recovery on Your Phone

シェア:XThreadsFacebookLINEはてブBluesky

単一画像からスマホ上でリアルタイムに3D人体メッシュを復元する軽量モデル群を提案し、Galaxy S23のNPUで1人あたり5.5msという高速推論を実現した。

詳しい要約

1. どんなもの?

- 単一画像から3D human mesh recoveryを行うオープンソースの回帰モデル群「InstantHMR」 - mobile device上でのリアルタイム推論を目的とする - Momentum Human Rig (MHR) parametric modelをベースとする - SAM 3D Body datasetの公開アノテーションのみで学習 - 6,890-vertexのbody meshを出力 - Samsung Galaxy S23 NPUで5.5 ms/person - NVIDIA RTX 4070 GPUで0.98 ms - 応用先としてrobotics, biomechanics, AR/VR, exergamesを挙げる

2. 先行研究と比べてどこがすごい?

- 既存SOTAはmobileで効率的に動かすには遅い、または速度のために精度を犠牲にしていると指摘 - 評価した全既存手法より高速と主張 - mobile上で、精度でわずかに上回る唯一のmobile対応手法より12x高速 - 精度は競争力あり - 3DPWでPA-MPJPE 40.0 mm - EMDBで48.8 mm、RICHで41.7 mm - 公平な比較のため11のSOTA手法を統一プロトコルで再評価 - 最も近いMHRベース競合に合わせ、Meta公式のMHR-to-SMPL conversionを含む

3. 技術・手法の肝は?

- MHR parametric modelに基づくsingle-image regressor群 - SAM 3D Body datasetの公開アノテーションのみで学習 - mobile inference向けに設計されたモデルファミリー - 具体的なネットワーク構成・学習損失・圧縮手法は要旨からは不明 - 推論時間は8種類のターゲット(desktop TensorRTから2種のphone NPUまで)で計測

4. どうやって有効だと検証した?

- 3DPW, EMDB, RICHでPA-MPJPEを報告 - 40.0 mm / 48.8 mm / 41.7 mm - Samsung Galaxy S23 NPUとNVIDIA RTX 4070 GPUでlatencyを計測 - 5.5 ms/person、0.98 ms - 8種類のターゲットでlatencyを測定 - 11のSOTA手法を統一プロトコルで再評価し比較 - Meta公式のMHR-to-SMPL conversionを含む

5. 議論はある?

- mobile上で精度でわずかに上回る手法が存在し、速度で12x優位というトレードオフを提示 - 統一プロトコルでの再評価により比較の公平性を担保しようとしている - MHR-to-SMPL conversionの扱いを含む - 精度・速度以外の限界(occlusion, 多人数, データセット依存性など)は要旨からは不明 - 学習データがSAM 3D Body datasetの公開アノテーションに限定される点の影響は要旨からは不明

6. 次に読むべき論文は?

- MetaのMHR-to-SMPL conversion(公式変換) - MHR (Momentum Human Rig) parametric model - SAM 3D Body dataset - 比較対象のSOTA human mesh recovery手法(SMPL系を含む) - 具体的な11手法名は要旨からは不明 - 関連する定番としてSMPL/SMPL-X系のparametric modelや3DPW/EMDB/RICHベンチマーク

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Mohamed Adjel, Kahina Chalabi, Vincent Bonnet

分類: cs.CV

原文アブストラクト

Real-time 3D human mesh recovery from a single image on mobile devices is a challenging problem with many applications, including robotics, biomechanics, AR/VR, and exergames. Current state-of-the-art models are either too slow to run efficiently on mobile devices or sacrifice accuracy for speed. We present InstantHMR, a family of open-source single-image regressors suited for mobile inference, based on the Momentum Human Rig (MHR) parametric model and trained exclusively on publicly available annotations from the SAM 3D Body dataset. Our approach achieves remarkable performance on a Samsung Galaxy S23 NPU, recovering a 6,890-vertex body mesh in 5.5 ms per person, and 0.98 ms on an NVIDIA RTX 4070 GPU. This speed surpasses all existing methods we evaluated. On mobile, it is 12x faster than the single mobile-compatible method that slightly outperforms ours in accuracy, while achieving competitive accuracy with 40.0 mm PA-MPJPE on 3DPW, 48.8 mm on EMDB and 41.7 mm on RICH. To ensure fair comparisons, we re-evaluate 11 state-of-the-art methods under a unified protocol aligned with the closest MHR-based competitors, including Meta's official MHR-to-SMPL conversion, and report their reproduction results. Additionally, we measure latency across eight different targets, ranging from desktop TensorRT to two phone NPUs. Code and models are available at https://github.com/Naturalpad-studio/InstantHMR.

関連論文

  1. 1パナソニックHDら、ロボット操作AI「T-Rex」を共同開発 12タスクで平均成功率65%研究・技術
  2. 2シンロボティクス、AI除草ロボを2027年6月発売 価格500万円新製品・発表
  3. 3NVIDIA、Cosmosを用いたインタラクティブシミュレーション向け世界モデルを解説研究・技術
  4. 4Hugging Face、ロボット学習基盤「LeRobot v0.7.0」を公開 対話操作と大規模データ学習に対応新製品・発表
  5. 5NVIDIA、Vera CPUのエージェント処理性能を公表 x86比で速度・電力効率を比較半導体・GPU
PR本紙発行元 EmplifAI