对人体扫描网格做语义部位分割，常见做法是直接在三维点云或网格上跑分割网络——我试过很多次效果都不太理想。话说回来，

从后来发现来看，先把模型「切」成平面渲染图。用成熟的 SCHP 做二维人体解析，再把标签沿视线反射回网格，稳定、可控。

先 2D 分割，再映射 3D

人体扫描网格通常具有不规则拓扑、噪声、孔洞、非标准姿态。若在此类数据上直接做三维语义分割，网络需要同时解决几何噪声、采样密度不均和类别边界模糊这三个难题。

相比之下把网格渲染成与视口一致的 RGB 快照后问题退化为成熟的「人体解析」。输入是规则图像，SCHP 等模型在 Pascal-Person-Part 等数据集上已充分训练。对头/躯干/四肢的边界极其稳定——即便图像分辨率有限、光照不理想，分割质量仍远好于我们在 mesh 上尝试过的多种方案。

」交给 2D；「这个部位在模型空间的哪里」交给相机投影 + 标签反射。

三维上踩的坑

与部位分割直接相关的结论如下：

至于第一步先，从 3D 模型切出平面图片

"切图"并非简单截图——必须保证后续映射时相机外参与截图时刻完全一致。人体网格挂载于可旋转的转盘 Transform 上，相机固定；每次 SCHP 推理前会保存 ViewSnapshot。不过，

多视角采集

"多角度 2D SCHP"流程按预定步进角旋转模型。逐帧渲染视口并送入 ONNX。再看每一帧产出，RGB 渲染图、× 标签图、对应 ViewState. 这些帧存入 _parsedFrames。供单帧“结果反射”或多帧“加权融合”使用。

前景掩码

视口底色为纯色。按与背景色的色差提取前景，避免把阴影误判为背景，同时尽量保留暗部身体区域。SCHP 输入还可做对称扩边，减轻缩放到时的边缘截断效应。说起来，

正交投影导出主要步骤！不过，

• 正面图：X–Y 平面每一列取最靠近观察者的标签1️⃣
• 侧面图：Z–Y 平面一样按深度取可见标签1️⃣

说到接下来。SCHP 二维人体解析技术主要！

再看推理管线，Schp → ONNX Runtime → argmax 得逐像素类别 → BlendOverlay 与原图混合供人眼检查。

单帧质量检验过滤坏片！

• ❌
• ❌
• ❌
• ❌

：结果反射——标签穿透映射到顶点单视角直观实现！

投影采样规则🛠️

1. 局部坐标 → 转盘 Transform → 世界坐标
2. `View.Project` 得屏幕像素
3. 按 SCHP 标签图分辨率缩放为。读取 `labels`
4. **不做法线朝向过滤**—同一屏幕坐标上的前后表面顶点取**相同** 2D 标签

至于主要代码片段，单视角反射$\color{#f8f9fa}{\text{示例代码}}$)