SAM 3D Body

Installer

pip install libreyolo

Cette commande installe uniquement l'adaptateur de LibreYOLO. SAM 3D Body lui-même n'est pas inclus, car sa licence n'autorise pas le code propre à LibreYOLO à en être dérivé\u00a0: clonez le dépôt upstream et installez vous-même ses dépendances, puis indiquez à LibreYOLO le chemin du clone.

git clone https://github.com/facebookresearch/sam-3d-body
pip install roma einops yacs omegaconf braceexpand pytorch-lightning timm

from libreyolo.models.sam3dbody import LibreSAM3DBody

model = LibreSAM3DBody(
    None,
    size="d3",
    sam_3d_body_path="/path/to/sam-3d-body",
    device="cuda",
)

Vous pouvez aussi définir la variable d'environnement SAM_3D_BODY_PATH au lieu de transmettre sam_3d_body_path à chaque appel. Un utilisateur qui ne construit jamais cette famille ne déclenche jamais l'import et ne rencontre jamais la SAM License. Cette famille n'est intégrée ni à la fabrique LibreYOLO() ni à la commande CLI libreyolo predict\u00a0; LibreSAM3DBody est le seul point d'entrée.

Prédire

from libreyolo import SAMPLE_IMAGEfrom libreyolo.models.sam3dbody import LibreSAM3DBody # Cette famille n'est pas enregistrée dans la fabrique LibreYOLO(), elle# est donc construite directement. model_path=None déclenche le# téléchargement protégé depuis Hugging Face ; une chaîne est au contraire# traitée comme le chemin d'un checkpoint local, jamais récupéré automatiquement.# L'inférence nécessite un appareil CUDA ; aucun chemin CPU n'existe.model = LibreSAM3DBody(None, size="d3", device="cuda")result = model(SAMPLE_IMAGE, person_boxes=[[34, 12, 220, 400]]) meshes = result.meshesprint(meshes.vertices.shape)    # (N, V, 3), repère caméra, mètresprint(meshes.joints3d.shape)    # (N, J, 3)

from libreyolo import LibreYOLO, SAMPLE_IMAGEfrom libreyolo.models.sam3dbody import LibreSAM3DBody # Aucun raccourci par chaîne nommée ici : transmettez un détecteur# LibreYOLO construit, un callable simple ou une instance de PersonDetector.detector = LibreYOLO("LibreRFDETRn.pt")model = LibreSAM3DBody(None, size="d3", device="cuda") result = model(SAMPLE_IMAGE, person_detector=detector)

Le téléchargement du checkpoint est protégé\u00a0: vous devez accepter la licence de Meta sur la page du modèle Hugging Face et vous authentifier avec hf auth login pour que le premier téléchargement aboutisse. L'inférence elle-même exige toujours un appareil CUDA\u00a0: l'estimateur upstream déplace son batch vers le GPU sans effectuer de vérification, si bien qu'une machine sans GPU lève une erreur au lieu de se rabattre sur le CPU. result.meshes est une charge utile Meshes, alignée ligne par ligne avec result.boxes (une ligne par personne détectée)\u00a0: vertices et joints3d sont exprimés dans le système métrique et incluent déjà la translation estimée de la caméra, joints2d est exprimé en pixels sur l'image d'origine, et les rotations suivent la convention de MHR, avec des angles d'Euler plutôt qu'un format axe-angle. Consultez la prédiction pour les sources, le streaming et la gestion des résultats.

Variantes

Deux backbones utilisent le même modèle corporel MHR\u00a0: d3 emploie un encodeur DINOv3 ViT-H/16+, tandis que h emploie l'encodeur ViT-H d'origine.

Export

L'export du maillage corporel n'est pas implémenté\u00a0: LibreYOLO n'a pas encore défini de contrat de graphe exporté pour la tâche de maillage, notamment pour représenter la disposition des paramètres MHR hors de PyTorch.

Checkpoints

Tous les fichiers de poids publiés pour cette famille.

Licence

Citation

@article{yang2026sam3dbody,
  title={SAM 3D Body: Robust Full-Body Human Mesh Recovery},
  author={Yang, Xitong and Kukreja, Devansh and Pinkus, Don and Sagar, Anushka and Fan, Taosha and Park, Jinhyung and Shin, Soyong and Cao, Jinkun and Liu, Jiawei and Ugrinovic, Nicolas and Feiszli, Matt and Malik, Jitendra and Dollar, Piotr and Kitani, Kris},
  journal={arXiv preprint arXiv:2602.15989},
  year={2026}
}