SOMA-X

SOMA-X

把多种人体模型映射到同一套身体、手部和骨架布局上，一条姿态流程就能用于所有模型。适合视觉、动画、仿真和机器人团队。

由 nvidia 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：SOMA-X 是 nvidia 推出的人体形状与姿态模型，归在机器人类别下。六个人体模型体系，其中有 SMPL 和 ANNY，被映射到同一套身体、手部和骨架布局上。这样同一份姿态代码就能用于其中任何一个。v0.3 版本还包含左右手部层。

适合谁：它适合用三维人体做开发的人，比如视觉和图形研究人员、动画师，以及做机器人或仿真工作的团队。

Industry | Who uses it | How they use it | Example
计算机视觉 | 研究人员 | 估计姿态，并从图像重建人体 | 换用另一个人体模型，姿态部分不用重新训练
动画 | 图形与动画工程师 | 把动作捕捉序列用到任何受支持的人体模型上 | 同一段轴角动作片段在多个不同身体上播放
机器人 | 机器人研究人员和公司 | 用多种体型运行实时仿真 | 每个人体型都不同的一批仿真
机器学习 | 机器学习工程师 | 把身份张量和姿态张量送入训练或推理代码 | 成批的身体系数和关节旋转

如果你不做三维人体相关的工作，可以跳过它。

用在哪里：

• Python，输入以 float32 的 PyTorch 张量给出
• 通过 Warp 内核使用 NVIDIA GPU，或者用 CPU
• 实时仿真流程
• 装有 Python 的 Windows、macOS 或 Linux，用来下载文件

Use case | Who | What they get back
姿态估计与人体重建 | 视觉研究人员 | 一个可以在不同模型体系之间互换的人体网格
动作迁移 | 动画师 | 在任何受支持的身体上播放的捕捉序列
手部动画 | 图形工程师 | 中、低或极低细节等级的腕部局部手部网格

如何设置：

• Python 和 pip
• 如果想用 Warp 路径，需要一块 NVIDIA GPU，不过模型卡也给出了 CPU 的运行耗时
• 你自己的 MANO 模型，只有想用它做手部时才需要

1. 安装 Hugging Face hub 包。
2. 把模型文件下载到你的电脑。
3. 选好你要的身份后端，并把它的系数准备成 float32 张量。

pip install -U huggingface_hub
hf download nvidia/SOMA-X

如何使用：你把身份系数和姿态参数作为张量传入，其中 B 是批大小，然后拿回姿态网格。下表列出了输入形状。

Input | Shape
身份系数 | (B, K)，SOMA-shape 的 K = 128
轴角形式的姿态 | (B, 77, 3)
旋转矩阵形式的姿态 | (B, 77, 3, 3)
可选的根节点平移 | (B, 3)
轴角形式的手部姿态 | (B, 25, 3)
手部身份系数 | (B, 20)

核心流程分三步，模型卡对每一步都有说明。

Tool | What it does
Barycentric Mesh Transfer | 用一次稀疏矩阵乘法，把身体从某个后端的网格布局转到共用布局
RBF Skeleton Fitting | 一次线性求解，把 77 个关节的骨架拟合到身份上
Linear Blend Skinning | 按你的姿态弯曲网格，GPU 路径通过 NVIDIA Warp 实现
Optional corrective MLP | 减少随姿态变化的表面瑕疵

示例：拿一段轴角形式的动作捕捉片段，先在 SOMA-shape 身体上播放，再在 SMPL-X 身体上播放，两次用同一组姿态张量。你会得到每个身体各一份姿态网格，不用重新训练任何东西。

新手与专家：SOMA-X 不是聊天模型。它把一串身体形状数字和关节旋转，变成一个摆好姿态的三维人体。第一次尝试时，先下载文件，读一下模型卡的输入部分，然后为 SOMA-shape 后端准备一个含 128 个数字的身份向量和一组 77 个关节的旋转。

核心部分没有学习得来的组件。网格转换是一次稀疏矩阵乘法，骨架来自带 Kabsch 对齐的径向基函数回归，蒙皮则是采用 joint orient 姿态的标准 LBS。形状空间是从人体扫描数据离线拟合出的 128 个主成分。可选的修正网络有两个隐藏层，启用时约有 10^8 个参数。接口兼容 torch.export。

某个后端的身份系数
重心坐标转换到共用网格
RBF 拟合 77 个关节的骨架
按你的姿态做线性混合蒙皮
输出摆好姿态的人体网格

注意事项：在 A100 80GB 上，批大小 128 时，模型卡报告每秒超过 7,033 个姿态网格。单个网格的耗时见下。

Title: 批大小为 1 时每个网格的耗时，单位毫秒
GPU: 2.1 毫秒
CPU，32 核: 12.1 毫秒

• License: Apache 2.0，模型卡说这个模型可以商用
• Cost to run: 没有提到
• Data it reaches: 只接收数值张量，MANO 手部模型需要你自己提供
• Not for: 远超某个后端形状空间的身份数值，可能得到奇怪的几何形状

Hugging Face 上的数据（2026年11月15日）

• 任务：robotics
• 最近 30 天下载：0
• 点赞：38
• 许可证：apache-2.0
• 标签：soma-x, parametric-human-body-model, computer-graphics, human-pose-estimation, animation, robotics, pytorch

链接

• 模型：https://huggingface.co/nvidia/SOMA-X
• 文件：https://huggingface.co/nvidia/SOMA-X/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download nvidia/SOMA-X

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。