> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.

# SAM 3D Body: ComfyUI에서 비디오로부터 3D 인체 메시 추출하기

> SAM 3D Body를 사용하여 비디오에서 전신 3D 인체 메시를 추출하고, 포즈 및 형태 추정, 얼굴 표정, 렌더링된 메시 오버레이 비디오를 제공합니다.

**SAM 3D Body**는 단일 비디오에서 전신 3D 인간 메시를 복원하는 오픈소스 모델입니다. 비디오 추적, 사람 감지, 메시 예측을 결합하여 포즈, 형태, 표정을 포함한 인체를 재구성하고, 복원된 리그를 비디오에 다시 렌더링합니다.

이 워크플로는 모션 캡처 프로토타이핑, 생체역학 분석, 캐릭터 애니메이션 프리비주얼라이제이션에 유용합니다.

<h3 id="utility_sam3d_body">
  SAM 3D Body: 비디오에서 3D 인간 메시 추출
</h3>

사람의 비디오를 로드합니다. 포즈, 형태, 표정을 포함한 전신 3D 인간 메시를 추출하여 오버레이 비디오로 렌더링합니다.

<img src="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/templates/utility_sam3d_body-1.webp" alt="SAM 3D Body workflow preview" />

<UpdateReminder />

<CardGroup cols={2}>
  <Card title="Comfy Cloud에서 실행" icon="cloud" href="https://cloud.comfy.org/?template=utility_sam3d_body&utm_source=docs&utm_medium=referral&utm_campaign=sam3d-body">
    이 워크플로를 Comfy Cloud에서 즉시 실행하세요
  </Card>

  <Card title="워크플로 다운로드" icon="download" href="https://github.com/Comfy-Org/workflow_templates/blob/main/templates/utility_sam3d_body.json">
    JSON을 다운로드하거나 템플릿 라이브러리에서 "SAM 3D Body: 비디오에서 3D 인간 메시 추출"을 검색하세요
  </Card>
</CardGroup>

**입력 자료**

이 파일을 `LoadVideo` 노드에 업로드하세요:

<CardGroup cols={1}>
  <Card title="woman_holding_water_glass.mp4" icon="video" href="https://raw.githubusercontent.com/Comfy-Org/workflow_templates/main/input/woman_holding_water_glass.mp4">
    `LoadVideo` 노드 85 · `woman_holding_water_glass.mp4`
  </Card>
</CardGroup>

## 작동 방식

1. **비디오 추적**: SAM3가 비디오 프레임 전체에서 인물을 추적합니다. 클립에 여러 명이 등장하는 경우 추적은 사실상 필수이며, 일반적으로 감지 정확도를 향상시킵니다.
2. **인물 감지**: RT-DETR이 텍스트 프롬프트(`person`)를 기반으로 인물의 바운딩 박스를 감지합니다.
3. **메시 예측**: SAM 3D Body는 추적된 프레임에서 전신 3D 메시를 예측하며, 선택적으로 MoGe 카메라 시야각을 사용하여 소스 비디오와 더 정확하게 정렬할 수 있습니다.
4. **얼굴 표정**: MediaPipe 기반 단계에서 얼굴 표정을 추가합니다. 베이스 모델은 이를 감지하지 못합니다.
5. **스무딩**: 메시 시퀀스를 시간에 따라 부드럽게 처리합니다.
6. **렌더링**: 포즈 파일(GLB)을 생성하고 메시를 비디오에 다시 렌더링한 다음 출력 비디오로 저장합니다.

## 실행 단계

1. **비디오 로드**: `LoadVideo` 노드를 사용하여 인물 비디오를 로드합니다.
2. **워크플로 실행 대기열에 추가**: Ctrl(macOS에서는 Cmd) + Enter를 누릅니다.
3. **파이프라인 대기**: 추적, 감지, 메시 예측, 렌더링이 순서대로 실행됩니다.
4. **결과 확인**: `Preview3D` 노드에서 메시를 확인합니다. 오버레이 비디오는 `ComfyUI/output/video/SAM3D_body/`에 저장됩니다.

## 모델 다운로드

SAM 3D Body 모델과 필요한 파일을 다운로드하여 해당 `models/` 하위 디렉터리에 배치합니다.

<CardGroup cols={2}>
  <Card title="SAM3 multiplex 체크포인트" icon="download" href="https://huggingface.co/Comfy-Org/sam3.1/blob/main/checkpoints/sam3.1_multiplex_fp16.safetensors">
    sam3.1\_multiplex\_fp16.safetensors: 비디오 트래킹용 SAM3 multiplex 체크포인트
  </Card>

  <Card title="SAM 3D Body 감지 모델" icon="download" href="https://huggingface.co/Comfy-Org/sam-3d-body/blob/main/detection/sam_3d_body_dinov3_bf16.safetensors">
    sam\_3d\_body\_dinov3\_bf16.safetensors: SAM 3D Body 감지 모델 (DINOv3 백본)
  </Card>

  <Card title="MoGe 지오메트리" icon="download" href="https://huggingface.co/Comfy-Org/MoGe/blob/main/geometry_estimation/moge_2_vitl_normal_fp16.safetensors">
    moge\_2\_vitl\_normal\_fp16.safetensors: 선택 사항. 정렬용 카메라 FOV 추정
  </Card>

  <Card title="RT-DETR 사람 감지기" icon="download" href="https://huggingface.co/Comfy-Org/SDPose/blob/main/diffusion_models/rt_detr_v4-x-hgnet_fp32.safetensors">
    rt\_detr\_v4-x-hgnet\_fp32.safetensors: RT-DETR 사람 감지 모델
  </Card>
</CardGroup>

### 모델 저장 위치

```
📂 ComfyUI/
├── 📂 models/
│   ├── 📂 checkpoints/
│   │      └── sam3.1_multiplex_fp16.safetensors
│   ├── 📂 detection/
│   │      └── sam_3d_body_dinov3_bf16.safetensors
│   ├── 📂 geometry_estimation/
│   │      └── moge_2_vitl_normal_fp16.safetensors
│   └── 📂 diffusion_models/
│          └── rt_detr_v4-x-hgnet_fp32.safetensors
```