西湖大学修宇亮：数字人重建，慢慢都会变成基础模型的微调任务 | GAIR 2025

雷峰网讯 12月12日，第八届 GAIR 全球人工智能与机器人大会于深圳正式拉开帷幕。 本次大会为期两天，由GAIR研究院与雷峰网联合主办，高文院士任指导委员会主席，杨强院士与朱晓蕊教授任大会主席。大会共开设三个主题论坛，聚焦大模型、具身智能、算力变革、强化学习与世界模型等多个议题，描绘AI最前沿的探索群像，折射学界与产业界共建的智能未来。 作为 AI 产学研投界标杆盛会，GAIR自2016年创办以来，始终坚守 “传承+创新” 内核，是 AI 学界思想接力的阵地、技术交流的平台，更是中国 AI 四十年发展的精神家园。过去四年大模型驱动 AI 产业加速变革，岁末年初 GAIR 如约而至，以高质量观点碰撞，为行业与大众呈现AI时代的前沿洞见。 在12月13日的“世界模型”专场，西湖大学助理教授，远兮实验室负责人修宇亮进行了以《走出蜡像馆，交互新世界：开拓三维数字人研究新疆域》为主题的演讲，分享了其关于高精度数字人重建的三项最新进展。 修宇亮分享了远兮实验室最新的三个工作，分别为 UP2You，ETCH 和 Human3R。 由于兼具相机位姿变化和人物动作变化的特点，如何从无限制的日常采集图像（如手机相册）出发，进行高精度的三维重建，是一个非常有挑战性的问题。修宇亮在博士期间，提出了第一套，先图生文，再文生 3D的两步走解决方案。这套方案可以兼容虚拟试衣和基于文字的穿搭编辑等下游应用，但效率非常低，DreamBooth和SDS（Score Distillation Sampling）漫长的微调和优化流程，导致单个数字人建模任务需要3至4个小时。 远兮实验室的最新成果UP2You，将上述时间从4小时压缩到了1.5 分钟。其核心思想是将脏数据直接转化成对后续重建友好的多视角正交图片，在此基础上套用已有的多视角重建算法，实现提效。 相较于传统方案，UP2You的优势，一是快——从一坨脏数据中，只需要1.5 分钟就可以拿到高质量的带纹理数字人；二是多多益善——用数量换质量，重建质量可以随输入图片数量的增加而稳定变好。修宇亮总结，“无论图片有多脏，这个方案只要保证图片源源不断灌进来，更细节的几何和更完整的纹理，就可以立竿见影。” 修宇亮分享的第二项工作名为ETCH，旨在从穿衣服的人