MHR是什么?一文读懂Meta开源参数化3D人体模型Momentum Human Rig:完整指南
MHR是什么?一文读懂Meta开源参数化3D人体模型Momentum Human Rig:完整指南
MHR(Momentum Human Rig) 是 Meta 开源的参数化 3D 人体模型,通过三组参数同时控制身体外形、全身姿态与面部表情,一套接口即可生成高保真的数字人网格。这份完整指南面向新手,带你快速搞懂 MHR 的核心概念、安装步骤与实用玩法。
🎯 MHR 是什么?会"说参数"的数字人模型
一句话理解:喂进去三组数字,得到一个三维人体。
MHR 是一个以解剖学结构为灵感的高保真 3D 人体模型,官方介绍见 README.md,它包含四大核心组件:
- 参数化骨骼模型:控制全身关节的骨架
- 真实感 3D 网格:蒙皮绑定到骨骼上,提供 7 个细节等级(LOD 0-6)
- 身体 Blendshape 与姿态修正:基于神经网络的姿态非线性形变修正
- 面部 Blendshape 模型:遵循 FACS 的 72 个面部表情参数
图:同一跳跃姿势的 MHR 角色在不同 LOD 等级下的渲染结果,左侧最精细、右侧最轻量。
MHR 的核心能力一览
| 能力 | 说明 |
|---|---|
| 🧬 45 个形状参数 | 描述身体身份:前 20 个控制身体、中间 20 个控制头部、最后 5 个控制手部 |
| 💃 204 个姿态参数 | 全身关节角度与缩放 |
| 😊 72 个表情参数 | 遵循 FACS 的语义化面部 Blendshape |
| ⚡ PyTorch 可微分 | 支持 CPU/GPU 上的前向推理与梯度优化 |
| 🔄 生态兼容 | 内置 SMPL/SMPL-X 双向转换、PyMomentum 快速 CPU 求解器集成 |
🧬 三组参数:身份、姿态与表情
MHR 的核心是一个"三输入"函数,实现位于 mhr/mhr.py 的 MHR 类中:
identity_coeffs:形状[batch, 45],建议范围 -3 ~ +3,决定"这个人长什么样"model_parameters:形状[batch, 204],决定"这个人摆什么姿势"face_expr_coeffs:形状[batch, 72],建议范围 -1 ~ +1,决定"脸上是什么表情"
三组参数输入后输出网格顶点与骨骼状态;由于整个流程都是 PyTorch 模块,你可以直接对输入 requires_grad_() 做反向传播,用于参数拟合等优化任务。
官方可视化 Notebook(见 tools/mhr_visualization/)能直观展示这些参数如何驱动头部网格与全身骨骼:
图:左侧为面部表情参数驱动的头部网格变形;右侧为 MHR 身体骨骼与各关节(c_spine0-2 等)结构。
🚀 快速上手:四步从克隆到跑通 Demo
第 1 步:克隆仓库
git clone https://gitcode.com/gh_mirrors/mhr/MHR
cd MHR
第 2 步:安装环境(官方推荐 Pixi)
pixi install
pixi run download-assets
pixi shell
第 3 步:运行 Demo
python demo.py
demo.py 会加载 LOD 1 的模型、生成一批随机姿态的 MHR 网格并导出为 test.ply,同时与 TorchScript 模型做精度对比。
第 4 步(可选):轻量 TorchScript 版
如果不想配置完整环境,也可以直接装 TorchScript 版本——优点是不需要模型资产,缺点是目前仅支持 LOD 1:
pip install mhr
mhr-download-assets --member assets/mhr_model.pt --output mhr_model.pt
📌 环境要求:Python ≥ 3.11、PyTorch、pymomentum ≥ 0.1.90;SMPL 转换等附加工具还需要 trimesh。
📐 7 级 LOD 体系:性能与画质的平衡
MHR 的网格提供 LOD 0 到 LOD 6 共 7 个细节等级:
- LOD 0 最密集,适合近景高精度渲染
- LOD 6 最轻量,适合大场景、实时与移动端
官方 tools/mhr_LOD_conversion/ 工具预计算了重心坐标映射文件,可以把 LOD 1 的顶点快速转换到其他等级,例如 lod1_to_lod0_mapping.npz(LOD 1 → LOD 0)、lod1_to_lod6_mapping.npz(LOD 1 → LOD 6),完整用法见 example.py。
😊 72 个面部表情:FACS 驱动的面部动画
MHR 的面部不是"黑盒",而是 72 个艺术家手工雕刻的语义化 Blendshape,比如 jawDrop(张嘴)、lipPucker(撅嘴)、browLowerer_L(左皱眉)。
- 完整索引表:docs/face-expressions.md
- 名称定义源码:mhr/face_expression.py
- 代码中可直接
from mhr import FACE_EXPRESSION_NAMES获取全部名称
常用技巧:先按语义名查下标,再给对应列赋值。比如把 jawDrop 设为 1.0,人物就会做出"惊讶张嘴"的表情。
🖥️ MHR Web Viewer:在浏览器里调参数
不想写代码?仓库自带一个浏览器交互查看器 web-viewer/,核心能力包括:
- 调整全部 204 个姿态、45 个身份、72 个表情参数,支持搜索与解剖学分类筛选
- 切换 LOD 0-6、开关姿态修正,实时查看顶点数、面数、关节数与推理耗时
- 切换透视/正交/轴向视角,显示线框与骨骼辅助
- 截图 PNG,并导出 OBJ / GLB / USD 模型(GLB 与 USD 含骨骼与每顶点 4 组蒙皮权重)
启动方式:安装 web-viewer/requirements.txt 与 web-viewer/package.json 中的依赖后,运行 python server.py,浏览器打开 127.0.0.1:8891 即可。
🔄 SMPL/SMPL-X 双向转换:与人体建模生态互通
如果你来自 SMPL/SMPL-X 生态,tools/mhr_smpl_conversion/ 提供了官方双向转换工具:
- SMPL/SMPL-X → MHR:把参数或网格转成 MHR 格式
- MHR → SMPL/SMPL-X:再转回去
- 双优化后端:PyMomentum(CPU 分层优化、支持时序一致性)与 PyTorch(GPU 加速、大批量吞吐)
详细说明见 tools/mhr_smpl_conversion/README.md。
📁 项目结构速览
| 路径 | 说明 |
|---|---|
| mhr/mhr.py | MHR 模型核心实现(含姿态修正网络) |
| mhr/io.py | 模型资产加载工具 |
| mhr/face_expression.py | 72 个面部表情名称定义 |
| demo.py | 最小推理示例 |
| tools/mhr_visualization/ | 可视化 Notebook |
| tools/mhr_LOD_conversion/ | LOD 转换工具与映射文件 |
| web-viewer/ | 浏览器交互式查看器 |
| tests/ | 单元测试套件 |
🏁 总结:MHR 适合谁?
- CG 美术:高保真网格 + 7 级 LOD + FBX/USD 导出,直接进生产管线
- CV 研究者:参数全程 PyTorch 可微分,方便接入 3D 人体重建与优化流程
- 工程师:轻量 LOD 与 PyMomentum 快速 CPU 求解器,部署友好
项目采用 Apache License 2.0 开源(见 LICENSE),相关论文为 arXiv:2511.15586,研究引用格式可参考 README.md 中的 BibTeX。上手只需 pixi install 加一条 python demo.py,建议先跑通 Demo,再用 Web Viewer 调参感受 321 个参数各自的作用。


