See-through：一张静态动漫图，自动“透视”拆分为可动 2.5D 角色

在虚拟主播（VTuber）、游戏开发和视觉小说制作中，将静态插画转化为可互动的 Live2D 模型 是标准流程。然而，传统制作极其耗时：画师需要手动将图片切割成数十个图层，凭想象“脑补”被头发遮挡的脸部或被衣服遮住的身体，并 painstakingly 排列前后顺序。

• GitHub：https://github.com/shitagaki-lab/see-through
• Demo：https://huggingface.co/spaces/24yearsold/see-through-demo

由 圣弗朗西斯大学、宾夕法尼亚大学、Spellbrush 及 Shitagaki 实验室 联合推出的 See-through 框架，彻底颠覆了这一工作流。它仅需 一张静态动漫插画，即可自动分解出 最多 23 个 语义清晰、遮挡区域已自动补全、前后层次排序正确的独立图层，直接生成可用于专业动画制作的 2.5D 模型。

核心突破：从“分割”到“透视重构”

现有的 AI 分割工具（如 SAM）只能切割可见部分，无法处理遮挡。See-through 的核心在于 “看穿” 能力：

1. 真正的透视补全 (Inpainting)
   • 不仅能抠出头发，还能自动画出被头发遮住的眼睛和脸型。
   • 不仅能分离衣服，还能补全被衣服遮挡的躯干和四肢。
   • 每个图层都是完整且独立的，无需人工修图。
2. 复杂穿插处理
   • 完美解决动漫中常见的发丝交错、刘海与脸部穿插、围巾与衣服层叠等复杂逻辑。
   • 自动将同一物体（如长发）根据前后关系拆分为多个子图层。
3. 智能深度排序
   • 基于像素级伪深度推断，自动计算 19-23 个图层 的正确前后顺序（Z-order）。
   • 无需人工调整，直接导出即可导入 Live2D Cubism 进行绑定。
4. 全局一致性
   • 独有的 身体部位一致性模块 确保所有图层拼合后，与原图在像素级完全一致，无色差、无错位、无缺失。

技术原理：如何做到“看穿”？

See-through 的成功源于其巧妙的数据构建与两阶段训练策略：

1. 数据引擎：从 Live2D 逆向挖掘

由于缺乏“单图 + 完整分层”的训练数据，团队构建了一个可扩展引擎：

• 来源：从商业级 Live2D 模型中提取源文件。
• 标注：自动将碎片映射到 19 个标准身体部位（头发前/后、眼睛、眉毛、脸、鼻子、嘴、衣服、手臂等）。
• 真值生成：利用 Live2D 源文件的天然分层特性，生成包含遮挡区域的完美 Ground Truth 数据。

2. 两阶段扩散模型

• 阶段一：语义提取
  训练扩散模型学会从单图中精准提取每个部位的掩码（Mask）和纹理，同时预测透明区域。
• 阶段二：全局一致性优化
  引入 Body-Part Consistency Module，强制所有提取的图层在重组时必须完美还原原图。这防止了模型“幻觉”出错误的细节或丢失特征。

3. 深度与补全

• 利用 像素级伪深度推断 机制，为每个像素分配深度值，解决复杂的遮挡排序。
• 结合修复（Inpainting）技术，根据上下文逻辑“画”出被遮挡的部分。

实测表现：专业画师认可的“生产级”工具

在与主流模型（如 SAM, Qwen-Image-Layered）的对比中，See-through 展现了压倒性优势：

用户反馈：6 位专业动漫画师测试后评价，See-through 输出的文件“几乎可以直接用于生产”，将原本需要数小时甚至数天的分层工作缩短至几分钟。

应用场景

• VTuber 快速出道：只需一张立绘，几分钟内生成 Live2D 素材，大幅降低虚拟主播制作门槛。
• 游戏开发：快速将概念图或宣传图转化为游戏内的动态角色资源。
• 视觉小说 (Visual Novel)：让静态 CG 中的角色眨眼、微笑、转头，增强演出效果。
• 辅助创作：画师可利用其快速分层功能，方便地对角色的特定部位（如只改衣服颜色、只换发型）进行修改和二创。