Pippo（全称 Pippo: High-Resolution Multi-View Humans from a Single Image）是 Meta Reality Labs、多伦多大学、Vector Institute 与 UC Berkeley 合作提出的生成模型研究项目，已被 CVPR 2025 收录为 Highlight 论文。项目代码托管于 GitHub（facebookresearch/pippo）。
用途 Pippo 旨在解决从单张随意拍摄的人像照片生成高分辨率、多视角人体视图的问题。其核心能力是生成 1K 分辨率的“密集转身视频”（dense turnaround videos），即围绕人物拍摄一周的多视角结果。它不需要额外输入，例如拟合的参数化人体模型或输入图像的相机参数，这使其与许多依赖预处理步骤的多视角生成方法有所不同。
主要能力与技术特点 Pippo 是一个多视角扩散 Transformer（multi-view diffusion transformer）。据官方资料，项目提供不同分辨率的模型训练配置（128、512、1024），以及一个可在较小 GPU 上训练的微型模型配置。此外，代码库中提供了若干可复用的技术组件：用于在扩散 Transformer 中注入空间控制的 ControlMLP、用于在推理时运行 5 倍长序列的 Attention Biasing，以及重投影误差（Re-projection Error）评估指标。官方还计划在未来更新 pippo.py 和 dit.py 的代码清理，以及预训练模型的推理脚本。
使用方式 用户可通过克隆仓库并添加到路径来使用。训练方面，可基于 Ava-256 数据集的小样本启动示例训练，样本以 npy 文件形式提供，需使用 Hugging Face 登录令牌进行下载。若使用自定义数据集，需按照 Ava-256 样本的格式准备数据，其中较困难的 Plücker Rays 和 Spatial Anchor 图像的生成方法也在官方提供的 gist 中给出了实现。此外，可通过命令行计算生成图像与真实图像之间的重投影误差。
适用场景 该项目主要面向计算机视觉与生成式 AI 研究，尤其是多视角人体生成、3D 人体重建、扩散模型等方向的研究人员与开发者。由于提供训练配置和自定义数据流程，也适合希望在此基础之上进行实验和二次开发的团队。
限制 需注意，官方资料中未提供可直接使用的预训练模型推理脚本（计划未来添加），也未提及模型推理速度、显存需求、商用许可等具体信息。使用自定义数据集需要自行实现 Plücker Rays 和 Spatial Anchor 等预处理字段。训练配置和样本数据的具体使用条件需参考 LICENSE 文件。
