SMPL 是一种3D人体建模方法，现在几乎所有的元宇宙人体建模都是基于此类方法，包括但不限于元宇宙，自动驾驶等领域。

它能估计出比较准确的人体3D姿态，得益于海量数据训练的人体3D先验。不仅仅是人体，包括手部，人脸，甚至是动物都能用此类方法进行建模。尤其是人脸，在此基础之上有了 MANO， FLAME等方法。

但这类方法问题也比较多，最令人头秃的莫过于3D pose的可视化，最大的问题在于很多人摸不着头脑，尤其是对于3D 图形学不是很了解的刚入门者，很多人都不知道我预测出来的pose，要怎么给他可视化。

很多人此时就会给你推荐pyrender等上古库，这是一种极其不跨平台，而且非常不友好，依赖繁多，很多库都是给你 == 1.0.1 限定极速款强行写死的依赖，你不用看你还不知道，一用绝对想跳楼。

另外的问题就是你会需要下载很多各种各样的SMPL模型，有的是npz，有的是pkl，然后还需要一些依赖库来跑得起来。

我平生最怕的就是麻烦，今天要传授的就是告诉你，可视化，别跟我讲什么pyrender，你如果跟我讲pyrender，我一定会认为你是一个固守陈规，毫无创新之辈。能用5行代码解决的事情，我绝对不会用100行。

现在假如你有一个非常牛逼的模型，预测出了一个非常准确的Pose，不知道可视化怎么办呢？怎么直接运行这么几行代码：

import collections
import onnxruntime as rt
import torch
import numpy as np
from nosmpl.vis.vis_o3d import vis_mesh_o3d, Open3DVisualizer
from nosmpl.utils import rot_mat_to_euler


def gen():
    sess = rt.InferenceSession("smplh_sim.onnx")

    for i in range(5):
        body_pose = (
            torch.randn([1, 63], dtype=torch.float32).clamp(0, 0.4).cpu().numpy()
        )
        left_hand_pose = (
            torch.randn([1, 45], dtype=torch.float32).clamp(0, 0.4).cpu().numpy()
        )
        right_hand_pose = (
            torch.randn([1, 45], dtype=torch.float32).clamp(0, 0.4).cpu().numpy()
        )

        outputs = sess.run(
            None, {"body": body_pose, "lhand": left_hand_pose, "rhand": right_hand_pose}
        )

        vertices, joints, faces = outputs
        vertices = vertices[0].squeeze()
        joints = joints[0].squeeze()

        faces = faces.astype(np.int32)
        vis_mesh_o3d(vertices, faces)

然后，你就可以i见证奇迹：

让我解释一下这里发生了什么：

• 首先，你没有下载SMPL把？我没有让你下载smpl把？你需要的只是一个onnx；

• 其次，我没有让你用任何SMPL的库把？这里面只有onnxruntime，nosmpl是可视化的。

所以说，我们几行简单的代码，完成了一个 SMPL mesh的生成！

这个mesh怎么来的呢？模型预测出来的！ 

以后可视化3d pose，比跟我说我没有告诉你10行代码就能搞定，另外，这个东西你可以在任何语言实现，因为它本质上输入就是你的pose，输出给你一个mesh。无我其他任何依赖。