摘要：人工智能3D虚拟形象创建解决方案提供商Copresence AG正式发布其平台1.0版本，这一里程碑事件标志着公司正式告别测试阶段，全面开启商业化应用新篇章。相较于此前版本，1.0版本在虚拟形象的真实感呈现、光照校正精度及毛发生成效果三大核心维度实现显著突破，

人工智能3D虚拟形象创建解决方案提供商Copresence AG正式发布其平台1.0版本，这一里程碑事件标志着公司正式告别测试阶段，全面开启商业化应用新篇章。相较于此前版本，1.0版本在虚拟形象的真实感呈现、光照校正精度及毛发生成效果三大核心维度实现显著突破，用户仅需借助一部普通智能手机，即可在短短几分钟内完成扫描，创建出具备照片级逼真度、可直接投入生产使用的3D虚拟形象。

Copresence AG方面表示，平台1.0版本搭载的全新升级捕捉流程，将重点解决终端用户在虚拟形象创建过程中面临的关键痛点——尤其是在非受控光照环境下的成像偏差、纹理细节的保真度不足，以及毛发形态的真实感欠缺等问题。据介绍，该版本融入了多项深度学习技术突破，突破性地实现了“野外场景自我扫描”功能：用户无需依赖专业摄影设备或标准化工作室灯光，即便在日常复杂环境中，仍能生成高度逼真的虚拟形象，且该形象可广泛适配游戏开发、XR（扩展现实）应用及远程呈现等多元场景需求。

具体来看，Copresence平台1.0版本的核心升级亮点包括以下五大维度：

照明感知纹理生成：全新研发的深度学习模型可精准消除扫描过程中因环境光导致的“烘焙照明伪影”（例如顶灯照射产生的面部阴影、局部过亮区域等），使虚拟形象的纹理在3D环境中能够实现更精准的重新照明适配。这一优化直接产出可无缝对接PBR（基于物理的渲染）工作流程的生产级资产，兼容虚幻引擎、Unity、Blender等主流3D开发工具，大幅降低后期适配成本。

面部逼真度升级：Copresence AG对核心AI模型进行迭代优化，重点强化了对嘴唇、鼻孔、眼睛等面部“微细节区域”的处理能力。在此前版本中，这类不易捕捉的细节区域往往依赖模板化回退纹理填充，易产生明显的视觉伪影，影响整体真实感；而1.0版本通过算法升级，有效解决了这一技术限制，使虚拟形象的面部表情与细节呈现更连贯、更自然，整体形象一致性显著提升。

自动肤色估计功能：新训练的深度学习系统实现了肤色还原的“自动化与精准化”——可直接从扫描数据中实时预测用户的准确基色调与亮度参数，彻底取代此前依赖人工手动输入肤色信息的操作模式。这一功能不仅简化了操作流程，更确保了虚拟形象的肤色在不同光照场景下始终保持一致的色彩准确度，避免因环境光变化导致的肤色偏差。

发束级毛发重建：全新升级的头发预测器大幅提升了对多元发型的适配能力，无论是发髻、马尾辫、刘海，还是渐变层次发型，均能实现更精细的发束级重建。该技术不仅能精准还原发型的自然形态与动态流动感，还能显著减少后期毛发调整的工作量，兼顾真实感与生产效率。

端到端流程提速：从用户完成扫描到最终生成完整虚拟模特的全流程耗时，已压缩至约2-3分钟，且生成的虚拟模特自带完整骨骼装配与高细节纹理，可直接投入使用。值得一提的是，新版本采用“头发处理与纹理处理并行运行”的架构设计，大幅缩短了迭代周期，同时支持API驱动的工作流程无缝集成，为企业级用户的批量创建需求提供高效支撑。

来源：93913虚拟现实