Прорыв в биомеханике: от кожи к мышцам
На конференции ECCV 2026 команда из Max Planck Institute for Informatics и TU Dortmund представила SOMA (Surface Observations to Muscle Anatomy). Это первая в мире методика, способная восстанавливать пространственно-временное поведение мышц человека непосредственно из многовидовых RGB-сигналов. В отличие от традиционных моделей, которые ограничиваются 3D-поверхностью кожи, SOMA создает объемную, многослойную анатомию, раскрывая биомеханику под кожей.
Архитектура: каскад U-Net и биомеханические ограничения
SOMA использует два каскадных нелинейных U-Net для предсказания:
- Поля смещения мышц (musc): управляет выпиранием мышечного слоя.
- Остаточного смещения (res): позволяет коже скользить и сжиматься относительно тканей, а не следовать за ними жестко.
Для решения проблемы неоднозначности данных сеть обучается с использованием биомеханических приоритетов: лапласианской гладкости, сопротивления изгибу бигармоникой, ограничений на растяжение краев и термина сохранения объема на основе призм (для обеспечения почти несжимаемости мягких тканей).
Датасет SKIM: 45 минут точных данных
Ключевым вкладом исследования стал датасет SKIM (Skin-to-Internal Muscle dataset). Он содержит высокоточные, временнó согласованные аннотации кожи, сопоставленные с индивидуализированными объемными шаблонами мышц. Пять субъектов были записаны в студии с 120 камерами (для захвата движения с маркерами ArUco) и 140 камерами (для реконструкции статических шаблонов). Всего датасет включает 45 минут многовидовых записей с ground-truth скелетными позами и полной многослойной анатомией.
Результаты и обновления
Метод демонстрирует согласованную анимацию слоев: кожа, мышцы и кости деформируются реалистично. 16 октября 2026 года была выпущена версия SKIM V2 и обновленные предварительно обученные модели SOMA, исправляющие расхождения в скелетных rig-ах, позах и картах маркеров первой версии.
| Компонент | Характеристика / Технология | Значение |
|---|---|---|
| Модель | SOMA (Surface Observations to Muscle Anatomy) | Первый метод восстановления мышц из RGB |
| Датасет | SKIM V2 | 45 мин записей, 5 субъектов, 120+140 камер |
| Архитектура | Каскад нелинейных U-Net | Предсказание смещения мышц и скольжения кожи |
| Регуляризация | Биомеханические приоритеты | Сохранение объема, несжимаемость тканей |
| Применение | Медицина, спорт, VFX | Анатомически обоснованная анимация без FEM |
Почему это важно
Традиционные методы мягкотканной симуляции (например, метод конечных элементов — FEM) точны, но вычислительно дороги и не масштабируемы. Существующие биомеханические инструменты моделируют силы, но не учитывают изменения внешней формы. SOMA заполняет эту нишу, предлагая масштабимое и экономичное решение для создания виртуальных людей с реалистичной внутренней анатомией, что критично для современной медицины, спортивной аналитики и индустрии развлечений.
Источник: Mpg ↗