Body Labs

Body Labs 是一家位于曼哈顿的软件公司，专注于计算机视觉和具有人体感知能力的人工智能。其技术旨在从 RGB 照片、视频或三维扫描中推断出人体的形状、姿态、尺寸和运动。该公司不是将人视为像素的集合，而是试图创建一个在计算上有意义的人体模型，可用于数字服装、动画、增强现实、游戏、计算机图形、测量和互动媒体等领域的应用。 该公司的知识起源早于其正式成立。Michael J. Black 于 2002 年开始研究人体的统计模型。在布朗大学教授计算机视觉期间，一起涉及 7-Eleven 抢劫和谋杀案的监控录像案例说明了人体建模的实际用途。执法部门希望从视频中估计嫌疑人的身体特征，而统计建模提供了一种评估身高等信息的方法。Black 后来通过布朗大学和马克斯·普朗克智能系统研究所与 William O'Farrell、Eric Rachlin 和 Alex Weiss 建立了联系。他们于 2013 年共同创立了 Body Labs。 Body Labs 开发了一个软件平台和应用程序编程接口，旨在将人体理解功能提供给第三方开发者和企业用户。其首个主要商业产品 BodyKit 于 2015 年推出，是一组 API 和可嵌入组件，用于将人体表示整合到其他软件中。该公司随后推出了 Body Labs Blue，专注于获取物理测量值并估计额外的数字测量值，用于定制服装等应用。Body Labs Red 则致力于将三维扫描转换为完整的数字人体模型，并与 3dMD 合作处理扫描数据。 该公司还尝试了面向消费者和媒体的应用。2017 年发布的 Mosh（适用于 Apple iOS）利用该公司的技术估计主体的三维姿态和身体形状，并在该主体上放置视觉效果。同年，Body Labs 推出了 SOMA，这是一种具有人体感知能力的人工智能系统，旨在从普通 RGB 照片或视频中推断三维人体形状和运动。SOMA Shape API 通过后端服务提供模型和测量预测，将该功能扩展到第三方应用程序。 Body Labs 于 2014 年 11 月获得了 220 万美元的种子融资，由 FirstMark Capital 领投，New York Angels 和现有投资者参投。2015 年 11 月，该公司宣布完成 1100 万美元的 A 轮融资，由 Intel Capital 领投，FirstMark Capital、Max-Planck-Innovation GmbH、Osage University Partners、Catalus Capital 和创始人跟投。这些投资支持了其计算机视觉平台的开发以及 API 和产品组合的扩展。 亚马逊于 2017 年 10 月收购了 Body Labs。此次收购将 Body Labs 在三维人体建模、姿态估计和人体感知计算机视觉方面的专业知识带入了亚马逊。公开参考资料并未确定收购后 Body Labs 是否作为独立运营实体、独立网站或独立产品线存在。因此，Body Labs 最好被理解为一个被收购的技术公司和品牌，其独立的公司轨迹在 2017 年后与亚马逊相关联。

Body Labs 源于对人体统计表示的研究。Michael J. Black 于 2002 年开始研究这一课题，专注于从视觉证据中估计身体形态和运动的方法。一个实际案例出现在 Black 在布朗大学教授计算机视觉期间。弗吉尼亚州警察寻求帮助分析一起 7-Eleven 抢劫和谋杀案的监控录像。虽然视频无法直接提供关于个人的所有身体事实，但统计身体模型可以帮助评估身高等特征，从而支持对证据的解释。 Black 在布朗大学和马克斯·普朗克智能系统研究所的学术联系促成了 Body Labs 创始团队的组建：Black、William O'Farrell、Eric Rachlin 和 Alex Weiss。该公司于 2013 年在纽约成立，致力于将能够从普通 RGB 图像和视频中重建人体三维表示的研究商业化。其核心主张是软件不仅可以推断身份或物体类别，还可以推断人体主体的底层几何、姿态和运动。 Body Labs 早期的商业模式强调开发者工具和 API。2015 年 3 月 3 日，它推出了 BodyKit，这是一组 API 和可嵌入组件，旨在让开发者将人体表示整合到自己的应用程序和创意工具中。这种方法使公司能够覆盖互动娱乐、计算机图形、时尚科技、增强现实等市场，而无需自己构建每个终端用户应用程序。 该公司通过 Body Labs Blue 扩展到服装和测量应用，该产品于 2016 年 7 月 20 日推出。Blue 利用公司的人体理解技术获取物理测量值并预测额外的数字测量值。这些功能与定制服装和其他需要将人的视觉外观与服装尺寸关联起来的应用相关。2016 年 10 月 5 日，Body Labs 推出了 Body Labs Red，这是一个用于将三维扫描自动转换为完整数字人体模型的 API。该公司还宣布与三维扫描提供商 3dMD 合作处理扫描数据。 Body Labs 继续通过消费和媒体产品展示其技术。2017 年 2 月 15 日，它通过 Apple App Store 发布了 Mosh。这款 iOS 应用预测主体的三维姿态和形状，并在主体上渲染效果，展示了底层计算机视觉如何支持易用的移动体验。2017 年 6 月 1 日，该公司推出了 SOMA，被描述为能够从 RGB 照片或视频预测三维人体形状和运动的人体感知人工智能。7 月 21 日，它又推出了 SOMA Shape API，通过 SOMA 后端向第三方应用提供模型和测量预测。 融资支持了这些开发。Body Labs 于 2014 年 11 月 13 日宣布获得 220 万美元的种子资金，由 FirstMark Capital 领投，New York Angels 和现有投资者参投。2015 年 11 月 3 日，它宣布完成 1100 万美元的 A 轮融资，由 Intel Capital 领投，FirstMark Capital、Max-Planck-Innovation GmbH、Osage University Partners、Catalus Capital 和创始人参投。 2017 年 10 月，亚马逊收购了 Body Labs。这笔交易是公司历史上决定性的企业转折点。它结束了 Body Labs 作为独立风险投资软件公司的时期，并将其技术置于亚马逊内部。公开可用的参考资料并未提供收购后产品路线图、管理结构或 Body Labs 名称是否继续作为独立商业品牌的完整说明。因此，该公司目前的独立状态记录为未知。

• 2017

  Mosh 移动应用发布

  [1]Body Labsen.wikipedia.org

  Body Labs 发布了适用于 iOS 的 Mosh，利用估计的三维姿态和形状在移动内容中为人物应用视觉效果。

• 2017

  SOMA 和 SOMA Shape API 推出

  [1]Body Labsen.wikipedia.org

  Body Labs 推出了 SOMA，用于从 RGB 图像估计三维人体形状和运动，随后推出了 SOMA Shape API，用于第三方模型和测量预测。

• 2017

  被亚马逊收购

  [1]Body Labsen.wikipedia.org

  亚马逊于 10 月收购了 Body Labs，结束了其作为独立公司的时期。

• 2016

  Body Labs Blue 发布

  [1]Body Labsen.wikipedia.org

  Body Labs 推出了一个 API 和可嵌入的 Web 界面，用于物理测量捕获和额外数字测量的预测。

• 2016

  Body Labs Red 发布

  [1]Body Labsen.wikipedia.org

  该公司推出了一个用于将三维扫描转换为完整数字人体模型的 API，并宣布与 3dMD 合作。

• 2015

  BodyKit 发布

  [1]Body Labsen.wikipedia.org

  该公司推出了 BodyKit，这是一组 API 和可嵌入组件，用于将人体表示集成到应用程序和工具中。

• 2015

  宣布 A 轮融资

  [1]Body Labsen.wikipedia.org

  Body Labs 宣布完成由 Intel Capital 领投的 1100 万美元 A 轮融资。

• 2014

  宣布种子融资

  [1]Body Labsen.wikipedia.org

  Body Labs 宣布获得由 FirstMark Capital 领投的 220 万美元种子资金。

• 2013

  Body Labs 成立

  [1]Body Labsen.wikipedia.org

  Michael J. Black、William O'Farrell、Eric Rachlin 和 Alex Weiss 在布朗大学和马克斯·普朗克智能系统研究所的学术和研究联系后创立了 Body Labs。

• 2002

  早期统计人体研究

  [1]Body Labsen.wikipedia.org

  Michael J. Black 开始研究能够表示人体并从视觉信息中估计身体特征的统计模型。

Body Labs 将自己定位为人体感知计算机视觉的专业提供商：其软件能够将人理解为具有可测量形状、姿态和运动的三维身体，而不仅仅是识别图像中的视觉模式。

• 开发者平台和 API · 2015

  BodyKit

  BodyKit 是一组 API 和可嵌入组件，用于将人体表示添加到应用程序和创意工具中。它反映了 Body Labs 以开发者为导向的战略，允许外部团队使用人体感知计算机视觉，而无需自己构建底层三维建模系统。

• 身体测量软件 · 2016

  Body Labs Blue

  Body Labs Blue 结合了 API 和可嵌入的 Web 界面，用于获取物理测量值并预测额外的数字测量值。该产品特别适用于定制服装和其他需要将视觉身体信息转换为服装或产品尺寸的用例。

• 三维扫描处理软件 · 2016

  Body Labs Red

  Body Labs Red 是一个 API，旨在将三维扫描处理为完整的数字人体模型。其发布伴随着与 3dMD 的合作，以处理 3D 扫描数据，将 Body Labs 的能力扩展到普通照片和视频之外。

• 移动增强现实应用 · 2017

  Mosh

  Mosh 是一款 iOS 应用，可预测主体的三维姿态和身体形状，并在主体上渲染视觉效果。它作为 Body Labs 从移动图像中解读人体形态和运动能力的面向消费者的演示。

• 人体感知人工智能 · 2017

  SOMA

  SOMA 是 Body Labs 的人体感知 AI 软件，用于从 RGB 照片或视频预测三维人体形状和运动。它代表了公司更广泛的平台愿景：将普通视觉输入转换为结构化的、动画化的数字人体模型。

• 开发者 API · 2017

  SOMA Shape API

  SOMA Shape API 通过 SOMA 后端向第三方应用提供 Body Labs 的模型和测量预测能力。它旨在使三维人体重建和测量功能更容易让开发者集成。

• 2017

  推出 SOMA 平台新品

  背景

  Body Labs 寻求整合其研究和商业能力，专注于从普通视觉输入中解读人体形状和运动。

  采取的行动

  该公司推出了 SOMA，随后发布了 SOMA Shape API，用于三维模型和测量预测。

  后续影响

  SOMA 成为 Body Labs 在亚马逊收购前最清晰的人体感知 AI 定位表达。

  来源

• 2017

  被亚马逊收购并购

  背景

  Body Labs 开发了一系列用于三维人体建模、姿态估计和测量预测的计算机视觉技术。

  采取的行动

  亚马逊于 2017 年 10 月收购了 Body Labs。

  后续影响

  Body Labs 不再作为独立的风险投资公司被记录，公开参考资料并未确定其产品或品牌的后续独立状态。

  来源

• 2016

  扩展至数字身体测量新品

  背景

  Body Labs 的身体形状技术可以支持需要数字估计个人身体尺寸的服装和定制合身用例。

  采取的行动

  该公司推出了 Body Labs Blue，结合了 API 和可嵌入的 Web 界面，用于物理和预测的数字测量。

  后续影响

  此次发布将 Body Labs 的商业范围从通用计算机视觉扩展到服装和测量应用。

  来源

• 2016

  引入三维扫描处理新品

  背景

  专业三维扫描提供了比普通 RGB 图像更丰富的身体数据，但需要能够将扫描转换为可用模型的软件。

  采取的行动

  Body Labs 推出了 Body Labs Red，并宣布与 3dMD 合作，将三维扫描处理为完整的人体模型。

  后续影响

  此举将平台扩展到专业扫描和数字模型工作流程。

  来源

• 2015

  推出 BodyKit新品

  背景

  Body Labs 需要一种方式将其人体建模研究商业化，以覆盖多个软件类别和客户应用。

  采取的行动

  该公司发布了 API 和可嵌入组件，允许开发者将人体表示集成到自己的产品中。

  后续影响

  BodyKit 确立了公司的开发者平台定位，随后推出了针对测量、扫描处理和人体运动的专业产品。

  来源

1. 1Body Labsen.wikipedia.org