展开菜单
首页 精品内容 本月促销 装机必备 Windows PDF教程 macOS软件 IOS软件 Android AI 专题
全部分类

当前位置:

首页 > 业界资讯 > 超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

Air Explorer Pro
Air Explorer Pro

Air Explorer Pro是一款跨平台多网盘管理工具,可实现一站式完成不同网盘间文件的互传、搜索和同步等操作。任务管理和过程控制会更完整,持续下载、批量同步或需要稳定传输流程的场景会更适合它。

¥99
Windows/macOS 2026-08-22
正版软件 Windows macOS软件 Pro 文件搜索工具 Pro下载 Pro正版软件 Pro购买
立即下载

为了让AI画出的人更加逼真,港中大博士生用了3.4亿张图像专门训练画人。人物的表情、姿态,环境的空间关系、光线都能合理布局,可谓立体感十足。SDXL虽然火爆,但并非对手。废话少说,直接上图!这个模型的名字叫HyperHuman,主打的就是一个真实立体。它解决了传统AI绘图工具在画人时图像不连贯、姿态不自然的问题,如StableDiffusion不仅如此,他的绘画技巧也非常出色,而且他对提示词的理解能力更强,能够更好地将提示词转化为绘画作品的内容那么下面就来具体看看HyperHuman都能创作出哪些作品吧!

本文目录

    为了让AI画出的人更加逼真,港中大博士生用了3.4亿张图像专门训练画人。

    人物的表情、姿态,环境的空间关系、光线都能合理布局,可谓立体感十足。

    SDXL虽然火爆,但并非对手。废话少说,直接上图!

    超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

    这个模型的名字叫HyperHuman,主打的就是一个真实立体。

    它解决了传统AI绘图工具在画人时图像不连贯、姿态不自然的问题,如Stable Diffusion

    不仅如此,他的绘画技巧也非常出色,而且他对提示词的理解能力更强,能够更好地将提示词转化为绘画作品的内容

    超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

    那么下面就来具体看看HyperHuman都能创作出哪些作品吧!
    无论是孩子还是老人,各个年龄段的人人物形象HyperHuman都可以画。

    人物的动作和表情自然,同时场景的空间关系也显得非常合理

    超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

    不仅是图本身看上去真实,和提示文本的匹配也十分精确。

    超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

    人物之外,HyperHuman能绘制出的场景类型也多种多样。
    无论是单人还是多人,是滑雪或者冲浪……

    超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

    如果和其他模型进行比较的话……

    很明显,在这组提示词中,其他模型基本上都没能正确画出停止标志,而HyperHuman则正确地绘制了出来。

    A man on a motorcycle that is on a road that has grass fields on both sides and a stop sign.

    超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

    而在这一组中,其他模型的作品或者不知所云,或者出现各种细节问题,更有甚者画出的人长了三只脚,但HyperHuman依旧是稳定发挥。

    精通滑板艺术是极其有益的

    超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

    在数据方面,HyperHuman不仅给人以直观的感受,还在全面碾压包括SD2.0在内的其他竞争对手

    图像质量方面,HyperHuman的FID、KID两项指标(均为数值越低效果越好)都超过了其他模型四分之一以上。

    在姿势准确度方面,与ControlNet等其他模型相比,HyperHuman表现出明显的优势

    超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

    HyperHuman的实现方式是怎样的呢?

    联合学习,分步生成

    为了提高HyperHuman的效果,研究团队一共提出了两个思路。

    首先,我们需要同时学习图片的颜色、深度图和法线图

    颜色反映外观,深度图反映物体位置,法线图反映表面角度。将它们一起学习,可以让模型更好地理解图片内容。

    第二点则是分阶段生成,先使用文本和骨架点作为条件,生成颜色、深度和法线三者的初步合成结果。
    然后以前面生成的条件作为指引,生成更高分辨率和质量的图片。

    超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

    具体实现上,HyperHuman和SDXL一样也是采用扩散模型。

    具体来说,HyperHuman使用的是“潜在结构(latent structural)”模型

    它的核心包括以下两个模块:

    • 联合去噪模块:具有多个输入输出分支的统一网络结构,在颜色、深度和法线图三个维度同时去除噪声。
    • 结构指导模块:用上一步产生的结果作为条件和指引,实现结构到纹理的精细化生成。

    为了增强稳定性,模型在生成过程中还会有选择性地对一些条件进行权衡

    在训练数据方面,开发者将LAION-2B和COYO两个数据集中的公开资源进行整合、处理和标注,最终得到了约3.4亿张图像的HumanVerse数据集

    结果在基于COCO 2014数据集的多个绘图模型横评中,HyperHuman(红色)都取得了最佳成绩,如果考虑文本匹配度,HyperHuman更是一骑绝尘。

    超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

    得分越低越好

    为了进行调查,研究人员除了使用测试数据外,还招募了100名用户,并调查他们更喜欢哪种模型的作品

    经过比较,HyperHuman在选择更逼真、质量更好的图像时比其他多种模型更受欢迎

    超越SDXL!港中大博士生研发出超级逼真的人像合成工具,并用3.4亿张图进行了训练

    作者简介

    HyperHuman论文的第一作者是香港中文大学的博士生刘献

    HyperHuman是他在Snap公司实习期间完成的,Snap的Sergey Tulyakov等人也参与了本项目。

    香港大学和南洋理工大学的学者也对HyperHuman做出了贡献

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    业界资讯 AI 模型
    相关文章 更多
    精品专题 更多
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    macOS软件

    正软商城macOS软件专区,精选适用于Mac电脑的办公、设计、影音、效率、开发和系统工具,提供软件功能介绍、macOS兼容版本、正版授权及购买下载服务。

    IOS软件

    正软商城iOS软件专区,精选适用于iPhone和iPad的办公、学习、影音、设计、效率及AI应用,提供功能介绍、适用设备、系统要求和正版获取方式等信息。

    AI

    正软商城AI软件专区,汇集AI写作、AI绘画、AI视频、AI办公、AI编程、AI翻译、智能客服和数据分析等人工智能工具,提供功能介绍、适用平台、收费方式及正版购买信息。

    Mac软件 更多
    Aperty macOS版
    Aperty macOS版

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    火山引擎 网页版
    火山引擎 网页版

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    立刻MV 网页版
    立刻MV 网页版

    立刻MV 面向音乐人、内容创作者和品牌团队,帮助用户低成本完成歌曲 MV、歌词视频、AI 分镜、图生视频与最终合成。

    蛙蛙写作 网页版
    蛙蛙写作 网页版

    蛙蛙写作 AI 创作工具,覆盖小说、剧本、文案,一键生成文稿,打通文字转视频全流程,高效解决创作难题。

    讯飞智作 网页版
    讯飞智作 网页版

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    超级简历WonderCV 网页版
    超级简历WonderCV 网页版

    超级简历WonderCV是面向应届生和AI小白的智能求职平台,覆盖简历、面试与职业规划。

    音述AI 网页版
    音述AI 网页版

    音述AI,是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区。

    AionClaw macOS版
    AionClaw macOS版

    AionClaw 是可在桌面端运行的任务型 AI 助手,通过数字专家与技能市场组合办公、创作、数据和开发能力。

    Loomy macOS版
    Loomy macOS版

    Loomy 是科大讯飞推出的桌面 AI 助手,可通过对话、任务与工作目录协助处理办公、内容创作和资料整理。

    AirBuddy 3 macOS版
    AirBuddy 3 macOS版

    AirBuddy 3 是面向 macOS 的蓝牙外设增强工具,可集中查看 AirPods、Beats 与苹果设备电量,提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。

    AirServer macOS版
    AirServer macOS版

    AirServer macOS版可把 Mac 转换为无线投屏接收端,通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面,并支持多设备同时连接、高清镜像及会话录制,适合家庭娱乐、课堂教学、会议演示和应用展示。

    AnyDesk macOS版
    AnyDesk macOS版

    AnyDesk macOS版是一款适用于远程办公、设备维护和客户支持的远程桌面工具,可连接并操作异地计算机,支持文件传输、无人值守访问、会话权限控制及跨平台协作。

    WINDOWS 更多
    讯飞绘文 网页版
    讯飞绘文 网页版

    讯飞绘文网页版是科大讯飞推出的AI图文创作与内容运营工具,覆盖热点选题、文章生成、稿件校对、智能配图、排版发布和数据复盘等环节,适合自媒体创作者及内容团队在线使用。

    Maya(Autodesk Maya) Windows版
    Maya(Autodesk Maya) Windows版

    Autodesk Maya 是面向影视、电视、动画和游戏行业的专业三维制作软件,集多边形与 NURBS 建模、角色绑定、关键帧和动作捕捉动画、Bifrost 特效模拟、材质开发及 Arnold 渲染于一体,

    Aperty Windows版
    Aperty Windows版

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    火山引擎 网页版
    火山引擎 网页版

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    立刻MV 网页版
    立刻MV 网页版

    立刻MV 面向音乐人、内容创作者和品牌团队,帮助用户低成本完成歌曲 MV、歌词视频、AI 分镜、图生视频与最终合成。

    蛙蛙写作 网页版
    蛙蛙写作 网页版

    蛙蛙写作 AI 创作工具,覆盖小说、剧本、文案,一键生成文稿,打通文字转视频全流程,高效解决创作难题。

    讯飞智作 网页版
    讯飞智作 网页版

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    超级简历WonderCV 网页版
    超级简历WonderCV 网页版

    超级简历WonderCV是面向应届生和AI小白的智能求职平台,覆盖简历、面试与职业规划。

    音述AI 网页版
    音述AI 网页版

    音述AI,是一个以“用声音述说故事”为核心的 AI 音乐创作与声音分享社区。

    AionClaw Windows版
    AionClaw Windows版

    AionClaw 是可在桌面端运行的任务型 AI 助手,通过数字专家与技能市场组合办公、创作、数据和开发能力。

    Loomy Windows版
    Loomy Windows版

    Loomy 是科大讯飞推出的桌面 AI 助手,可通过对话、任务与工作目录协助处理办公、内容创作和资料整理。

    AirServer Windows版
    AirServer Windows版

    AirServer Windows版可把电脑变成AirPlay、Google Cast和Miracast无线投屏接收端,适合会议演示、课堂教学及家庭大屏分享。发送设备通常无需另装客户端,并可同时接收和智能排列多个镜像会话。

    即将离开本站
    您即将前往第三方网站,请确认是否继续?