UP简历小U

+86 138-0013-8000|xiaou@upjianli.com|上海

资深虚拟人驱动专家，专注于无标记动捕系统与面部表情迁移算法的研发与应用。具备丰富的超写实虚拟人实时驱动经验，擅长优化系统性能，实现高流畅度直播效果。致力于通过技术创新提升虚拟人互动体验及商业转化率，曾在项目中实现直播实时流畅度达60FPS，并显著提升单场直播转化率45%。

某头部虚拟科技公司

2021-07 - 2024-07

主导研发并优化**无标记动捕系统**，通过深度学习模型提升关键点识别精度**20%**，实现复杂场景下虚拟人动作的**高精度实时捕捉**，将全身动作捕捉的平均延迟降低至**50ms**以内。
负责**面部表情迁移算法**的设计与实现，利用**GAN**（生成对抗网络）及**深度学习**技术，将真人面部表情实时映射至超写实虚拟人，表情还原度提升至**90%**以上，显著增强虚拟人情感表达的真实感。
优化虚拟人直播渲染管线，通过**GPU并行计算**和**LOD**（细节层次）优化，成功将直播实时流畅度稳定提升至**60FPS**，确保用户观看体验的极致流畅。
与运营团队紧密协作，将虚拟人技术应用于电商直播，通过提升虚拟人互动性和表现力，助力单场直播**转化率提升45%**，实现销售额月均增长**200万+**。
构建并维护虚拟人驱动系统的核心架构，引入**分布式计算**与**容器化部署**，确保系统在高并发场景下的稳定性和可扩展性，支持**10+**个虚拟人同时在线驱动。
参与制定虚拟人驱动技术路线图，引入行业前沿技术，如**神经渲染**和**AIGC**，为公司未来产品迭代提供技术支撑。

公司内部研发项目

2022-03 - 2022-11

**项目背景：** 针对传统标记点动捕设备成本高、部署繁琐的问题，旨在开发一套基于普通RGB摄像头的**无标记人体姿态估计系统**，以服务于虚拟人驱动。
**个人角色：** 项目负责人，主导算法选型、模型训练、系统集成与性能优化。
**项目价值：** 降低动捕技术门槛，提升虚拟人驱动的便捷性与应用场景。
**项目执行：**
- 调研并比较**OpenPose**、**AlphaPose**、**HRNet**等主流姿态估计模型，最终选定并优化**HRNet**，针对虚拟人驱动场景进行定制化改进。
- 收集并标注**10万+**帧高分辨率人体姿态数据，构建高质量训练数据集，提升模型泛化能力。
- 采用**多尺度特征融合**与**关键点回归**策略，使系统在复杂背景和遮挡情况下仍能保持高精度姿态估计，平均关键点检测精度（mAP）达到**85%**。
- 开发实时处理管线，利用**TensorRT**加速模型推理，将单帧处理时间从**100ms**优化至**20ms**，满足**50FPS**的实时性要求。
- 与虚拟人绑定团队合作，将姿态估计结果转换为骨骼动画数据，成功驱动虚拟人在**Unity**引擎中完成**20+**种复杂舞蹈动作，动作流畅度与自然度显著提升。
**项目成果：** 该系统成功应用于公司虚拟人直播和短视频内容制作，每年节约动捕设备租赁及人力成本约**50万元**，并显著提升内容生产效率**30%**。

公司内部研发项目

2023-01 - 2023-09

**项目背景：** 提升虚拟人面部表情的真实感和灵动性，使其能够更自然地与用户互动，解决现有表情驱动方案表情僵硬、缺乏细节的问题。
**个人角色：** 核心算法工程师，负责面部特征点追踪、表情识别与迁移算法的研发。
**项目价值：** 极大增强虚拟人的情感表现力，提升用户沉浸感和交互体验。
**项目执行：**
- 采用**Mediapipe Face Mesh**进行**468**个面部关键点的高精度实时追踪，并结合**3DMM**（3D可变形模型）进行面部姿态与表情参数估计。
- 设计并实现基于**深度学习**的表情参数解算模块，将捕捉到的表情数据映射到虚拟人**BlendShape**参数，实现**50+**种微表情的精准还原。
- 开发**表情平滑与滤波算法**，消除微小抖动，确保表情过渡自然流畅，将表情动画的平均抖动率降低**70%**。
- 集成**眼球追踪与口型同步**模块，利用**声学特征**预测口型，实现语音与虚拟人唇形的完美匹配，同步精度达到**95%**以上。
- 在**Unreal Engine**中部署驱动客户端，实现低延迟（**<30ms**）的实时表情驱动，支持多种虚拟人模型的快速接入。
**项目成果：** 平台上线后，虚拟人直播的用户停留时间平均增加**15%**，用户反馈中提及虚拟人“更生动”、“更像真人”的比例提升**60%**。