章
目
录
今天要给大家介绍的LHM（Large Animatable Human Reconstruction Model），是阿里通义aigc3d团队开发的开源项目，能实现从单张图片生成支持动作的3D人体模型，在多个领域都有广泛应用。
一、LHM项目亮点
LHM的厉害之处在于运用AI技术，短短几秒就能把2D图像变成3D模型。这一过程不仅速度快，还支持实时预览，生成模型后可以直接查看效果，还能随意调整姿势。在技术实现上，LHM采用3D Gaussian Splatting技术来展现人体，搭配多模态变换器架构，这样能很好地保留衣服纹理和几何细节，让生成的3D模型更加逼真。项目在2025年3月13日首次发布，还贴心地提供了预训练模型和代码。
二、LHM功能
- 快速生成3D人体模型：只要给LHM一张图片，它就能在几秒内完成3D人体模型的生成。
- 实时渲染查看：生成的模型支持实时渲染，生成后能马上查看，方便又高效。
- 动作调整与动态视频生成：可以对生成的人体模型调整姿势，还能生成动态视频，增加模型的生动性。
- 输出通用格式方便编辑：能输出如OBJ格式的3D网格文件，这种文件兼容性强，方便用其他3D软件进行后续编辑。
- 自带预训练模型：项目里包含LHM-0.5B和LHM-1B等预训练模型，用户不用自己去训练模型，节省了大量时间和精力。
- 本地可视化操作：集成了Gradio界面，通过这个界面，用户可以在本地进行可视化操作，操作起来更加直观。
- 视频动作提取与应用：提供了视频处理管道，能从视频里提取动作，然后应用到模型上，进一步丰富模型的动作表现。
三、LHM安装教程
（一）准备运行环境
LHM对运行环境有一定要求。系统需要Python 3.10，CUDA要支持11.8或12.1版本。显卡方面，推荐使用NVIDIA的A100或4090等型号，并且显存至少16GB。
检查Python版本：
python --version
检查CUDA版本：
nvcc --version
（二）克隆项目仓库
在终端输入以下命令，就能把LHM的代码下载到本地：
git clone https://github.com/aigc3d/LHM.git
cd LHM
（三）安装依赖项
根据自己的CUDA版本运行对应的脚本：
CUDA 11.8：
sh ./install_cu118.sh
CUDA 12.1：
sh ./install_cu121.sh
要是脚本安装失败，也可以手动安装依赖：
pip install -r requirements.txt
（四）下载模型
模型一般会自动下载，如果想手动下载，可以用下面的命令：
LHM-0.5B模型：
wget https://virutalbuy-public.oss-cn-hangzhou.aliyuncs.com/share/aigc3d/data/for_lingteng/LHM/LHM-0.5B.tar
tar -xvf LHM-0.5B.tar
LHM-1B模型：
wget https://virutalbuy-public.oss-cn-hangzhou.aliyuncs.com/share/aigc3d/data/for_lingteng/LHM/LHM-1B.tar
tar -xvf LHM-1B.tar
下载完成后，把解压后的文件放到项目根目录。
（五）验证安装是否成功
运行下面的测试命令，检查环境是否正常：
python app.py
如果安装成功，会启动Gradio界面。
四、LHM操作指南
（一）生成3D模型
- 准备图片素材：找一张包含人体全身的清晰图片，保存到本地，比如
<path_to_image>/person.jpg。 - 运行推理脚本：在终端输入：
bash ./inference.sh ./configs/inference/human-lrm-1B.yaml LHM-1B <path_to_image>/ ./output/
这里的<path_to_image>是图片的路径，./output/是输出文件夹，生成的结果会保存在这个文件夹里。
3. 查看生成结果：生成完成后，在<output>文件夹里会有3D模型文件和渲染视频。可以用Blender等3D软件打开网格文件查看模型，也可以直接播放视频。
（二）给模型添加动作
- 准备动作序列文件：项目自带了示例动作文件，在
<LHM根目录>/train_data/motion_video/mimo1/smplx_params路径下。当然，也可以用自己的SMPL-X参数文件。 - 运行动作脚本：输入以下命令：
bash ./inference.sh ./configs/inference/human-lrm-1B.yaml LHM-1B <path_to_image>/ <path_to_motion>/smplx_params
其中<path_to_motion>是动作文件的路径。
3. 预览动作视频：输出文件夹里会生成添加动作后的视频，直接播放就能看到效果。
（三）使用Gradio界面操作
- 启动界面：在终端运行：
python app.py
之后浏览器会自动打开http://0.0.0.0:7860。
2. 上传图片：在打开的界面里上传一张人体图片，然后点击“提交”。
3. 获取结果：稍等几秒，界面上就会显示渲染图片和动作视频，可以直接下载查看。
（四）导出3D网格文件
- 运行导出脚本：在终端输入：
bash ./inference_mesh.sh ./configs/inference/human-lrm-1B.yaml LHM-1B
- 找到导出文件：输出文件夹里会出现OBJ格式的网格文件，用Blender或Maya等3D软件就能对其进行编辑。
五、使用LHM的注意事项
- 图片质量影响效果：使用的图片要清晰，背景尽量简单，这样生成的3D模型效果会更好。
- 动作质量决定呈现效果：添加动作时，最终的动作效果取决于输入动作的质量。
- 显存不足的应对方法：如果电脑的显存不够，可以试试LHM-0.5B模型，它相对更节省显存。
以上就是阿里通义开源的LHM项目使用详解 单张图片秒变可动3D人体模型的全部内容，希望对你有帮助！
