HyperHuman é um modelo que gera imagens humanas realistas. O modelo gera imagens humanas coerentes e naturais ao capturar características estruturais de imagens humanas, desde o esqueleto corporal grosseiro até a geometria espacial de grão fino. O HyperHuman inclui três partes: 1) A construção de um conjunto de dados humanos em grande escala, HumanVerse, contendo 340 milhões de imagens e anotações abrangentes, como postura corporal, profundidade e normais de superfície; 2) A proposição de um modelo de difusão estrutural latente que simultaneamente remove ruído da profundidade, normais de superfície e imagens RGB sintéticas. Nosso modelo força o aprendizado da aparência da imagem, relações espaciais e geometria em uma rede unificada, com cada ramo do modelo apresentando percepção estrutural e riqueza de textura; 3) Finalmente, para melhorar ainda mais a qualidade visual, propomos um refinador guiado por estrutura para geração de alta resolução mais detalhada. Amplos experimentos demonstram que nosso modelo gerou imagens humanas com alta fidelidade e diversidade em vários cenários, alcançando desempenho de ponta.