在计算机视觉领域，单图3D人体重建一直是一个极具挑战性的课题。近日，由南京大学软件学院媒体识别与理解研究组（MAGUS）牵头，联合中国科学院深圳先进技术研究院、清华大学交叉信息院、腾讯天衍实验室等机构的研究团队，提出的名为 “IDOL（Implicit Deformable Object Learning）”的技术，在计算机视觉领域顶级会议2025 CVPR（IEEE Conference on Computer Vision and Pattern Recognition）的评审中脱颖而出，获得了极高的评价。
传统的单图3D人体重建方法往往面临计算效率低、重建效果不够逼真等问题。而IDOL技术创新性地提出了一种基于神经辐射场（Neural Radiance Field, NeRF）的隐式可变形物体学习框架，为这一难题提供了高效的解决方案。它能够在单GPU上实现秒级生成高分辨率的逼真3D人体模型，大大提高了重建效率。与以往方法相比，IDOL技术通过引入可变形的隐式表示，能够更精准地捕捉人体的复杂几何形状和细节纹理。在实验测试中，使用相同的硬件设备，传统方法生成一个高分辨率3D人体模型可能需要数分钟甚至更长时间，而IDOL技术仅需短短几秒，且生成的模型在细节表现，如皮肤褶皱、肌肉纹理等方面更加逼真。
IDOL技术不仅在重建效率和模型质量上表现出色，还具备实时渲染、直接动画化与编辑能力。这意味着，利用该技术生成的3D人体模型能够在虚拟场景中实时呈现，并且可以直接对模型进行动画控制，如行走、奔跑、跳跃等动作，无需复杂的后期处理。同时，用户还能方便地对模型进行编辑，调整人体的姿态、体型等参数。例如，在虚拟试衣场景中，通过IDOL 技术快速生成顾客的3D人体模型后，能够实时为模型穿上不同款式的衣服，观察效果，并可对模型的身材参数进行微调，模拟不同身材穿着同一款衣服的效果，为用户提供更个性化的购物体验。在影视制作中，导演可以实时编辑角色的动作和姿态，大大节省了制作时间和成本。
