SAM 3D Body 模型文件完全解读:bf16 与 int8_convrot 两个版本该怎么选?
SAM 3D Body 模型文件完全解读:bf16 与 int8_convrot 两个版本该怎么选?
本文带你完全解读 SAM 3D Body 的 ComfyUI 模型仓库:搞懂 sam_3d_body_dinov3_bf16.safetensors 与 sam_3d_body_dinov3_int8_convrot.safetensors 两个模型文件的区别、各自大小与显存开销,以及不同显卡配置下 SAM 3D Body 模型怎么选。
🧍 一、SAM 3D Body 是什么?
SAM 3D Body 是基于 DINOv3 视觉骨干网络的人体 3D 重建模型,核心能力是:从视频或图片中提取 3D 人体网格(Human Mesh),常用于动作捕捉、虚拟人驱动、舞蹈生成等场景。
该仓库(sam-3d-body)是面向 ComfyUI 的重新打包模型仓库,只需把模型放入 ComfyUI 的 detection 目录,即可加载对应的 3D 人体网格提取工作流使用。仓库结构非常简单,全部资产都在 detection/ 目录下:
📂 ComfyUI/
└── 📂 models/
└── 📂 detection/
├── 📄 sam_3d_body_dinov3_bf16.safetensors
└── 📄 sam_3d_body_dinov3_int8_convrot.safetensors
详细说明可参考仓库内的 README.md。
📦 二、两个模型文件详解
1️⃣ sam_3d_body_dinov3_bf16.safetensors(约 2.7 GB)
📄 路径:detection/sam_3d_body_dinov3_bf16.safetensors
- bf16(bfloat16):16 位浮点精度,是深度学习推理的主流精度格式,在精度与性能之间取得了很好的平衡
- 数值精度更高,3D 网格细节还原更好
- 是"标准精度"版本,适合作为默认选择
2️⃣ sam_3d_body_dinov3_int8_convrot.safetensors(约 1.9 GB)
📄 路径:detection/sam_3d_body_dinov3_int8_convrot.safetensors
- int8 量化:把权重压缩到 8 位整数,体积更小、推理更快
- convrot:卷积旋转优化,进一步降低计算开销
- 体积比 bf16 版本小约 29%(约 1.9 GB vs 约 2.7 GB),显存占用同样更低
- 属于"轻量加速"版本,适合显存紧张或追求吞吐量的场景
⚖️ 三、bf16 与 int8_convrot 核心对比
| 对比维度 | bf16 版本 | int8_convrot 版本 |
|---|---|---|
| 文件大小 | 约 2.7 GB | 约 1.9 GB |
| 数值精度 | 高(16 位浮点) | 较低(8 位量化) |
| 网格质量 | 细节还原更好 | 略有损失,日常够用 |
| 显存占用 | 较高 | 更低 |
| 推理速度 | 标准 | 更快 |
| 适用显卡 | 8GB 及以上显存 | 4~6GB 显存也能跑 |
| 典型场景 | 高精度 3D 重建、精细动作捕捉 | 快速出图、批量处理、低配机器 |
🎯 四、SAM 3D Body 版本选型建议清单
按你的情况对号入座即可:
- ✅ 追求 3D 人体网格的最高精度(如专业动作捕捉、高质量虚拟人资产)→ 选 bf16
- ✅ 显卡显存 ≥ 8GB(如 RTX 3060 / 4070 以上)→ 放心选 bf16
- ✅ 显存只有 4~6GB,或想更快处理长视频 → 选 int8_convrot
- ✅ 批量跑大量视频、对速度敏感 → 选 int8_convrot
- ✅ 新手第一次体验工作流 → 先用 int8_convrot 跑通流程,确认效果后再换 bf16 对比
💡 小提示:两个文件是同一模型的不同打包,按需下载其一即可,不需要全部占满硬盘。
🚀 五、ComfyUI 中如何安装使用
- 下载选定的模型文件(detection/ 目录下二选一)
- 按照 README.md 的指引,把文件放入 ComfyUI 的
models/detection/目录 - 在 ComfyUI 中加载「3D Human Mesh Extraction From Video(视频提取 3D 人体网格)」工作流
- 在检测模型节点中选择你放入的
sam_3d_body_dinov3_bf16或int8_convrot文件,即可开始推理
📌 六、一句话总结
显存够、要精度,选 bf16;显存紧、要速度,选 int8_convrot——这就是 SAM 3D Body 两个模型版本的选型口诀。两者放入同一目录即可互相切换,建议先轻量跑通、再按效果需求决定最终版本。
登录后查看全文