SAM 3D Body：AI重建人体比例准吗？
一张照片生成三维人体，看起来已经很像了。但“像一个人”和“还原这个人的身体比例”，是两道不同的题。论文《Investigating Anthropometric Fidelity in SAM 3D Body》就把镜头对准了这个差别。

SAM 3D Body 能从单张图像恢复干净、拓扑连贯的人体网格；论文摘要特别提到，它在遮挡和不同姿势下仍有较强鲁棒性。这样的模型适合快速获得一个可用的三维人体形状。不过，作者进一步问：如果某个人的体型明显偏离常见样本，模型还能保留那些差异吗？

他们观察到的局限是“几何均值化”。例如老年人的肌肉萎缩、脊柱侧弯和妊娠相关的体型变化，即便图像中可见，重建结果也可能被抹平，向更常见的身材靠拢。画面整体自然，局部却不一定忠实。对动画或普通视觉展示来说，这种平滑或许不显眼；对需要测量个体形态的场景，它会改变问题的答案。

为什么会这样？作者讨论了三个可能相互作用的环节。第一，Momentum Human Rig（MHR）用参数化人体表示，便于生成稳定、连贯的网格，但表示空间可能难以容纳少见的局部形变。第二，DINOv3 提取的视觉特征偏重语义稳定性：它很擅长识别“这是人体”，却未必为细微的体表差异保留足够信号。第三，训练数据与标注对齐若倾向标准化形状，也可能鼓励模型输出平均体型。这些是论文提出的机制分析，不能简单归结为某一个模块“出错”。

可以把它想成修复一张有折痕的地图：算法把地图铺得平整、边界也清楚了，但一条真实存在的小山脊同时被压平。视觉质量和几何忠实度，不能只凭同一张效果图判断。

这篇研究的启发是，评估三维人体重建时，除了看网格是否顺滑、姿态是否合理，还要看少见体型和局部异常是否被准确保留。若未来用于人体测量或医学相关研究，就需要更针对性的样本、标注与误差指标。论文讨论了扩展方向；摘要没有给出已达到临床可用精度的证据。

论文：arXiv:2601.06035
AI前沿 三维重建 计算机视觉