本研究提出了一种新方法，利用一种姿态不变形状空间对人体形状变化进行建模，结合基于骨骼的变形对姿态变化进行建模，用于估计着装人体扫描的静态和运动序列中的身体形状和姿态，改进了现有统计模型的拟合准确性。

Dec, 2013

本文中，我们从最大可获得的商业扫描数据库中重建了一个广泛使用的统计人体表示，并使得产生的模型对社区可用。我们为了学习模型而预处理了几千次扫描，因此开发了强大的最佳实践解决方案，以排列扫描。我们在广泛的评估中展示出新模型的改进准确性和普遍性，并显示了它对于从稀疏输入数据中恢复人体的改进性能。

Mar, 2015

本研究提出了一种从单张照片中生成人体服装真实3D模型的算法，该算法可以还原出服装的全局形态、几何信息和细节，结合参数估计、语义分析和物理模拟等技术，可应用于虚拟试穿、服装转化、数字人物的服装动画等领域。

Aug, 2016

该论文介绍了如何从单目视频中获取任意人物的准确三维身体模型和纹理，该方法仅需使用智能手机或网络摄像头，使每个人都能创建自己的全可动数字双胞胎，如社交VR应用或在线时尚购物的虚拟试穿。

Mar, 2018

本文提出了一种从单张照片中预测着装人体几何形状的新方法，包括三个关键点：一个新数据集，一个新的形状参数化算法和一个端到端的深度生成网络。

Apr, 2019

本研究提出了从单张照片推断出详细的全身人体形状的简单而有效的方法，其将形状回归转化为图像转换问题，并使用纹理图来估计细节的法线和位移图，能够将细节添加到低分辨率的光滑身体模型中，尽管仅使用合成数据进行训练，但该模型在真实世界的照片上表现良好。

Apr, 2019

该论文提出了一种新的框架，利用深度神经网络和 Hierarchical Mesh Deformation 技术综合使用人体关节、轮廓和像素的着色信息，从而在单张图片中精确恢复人体形状。实验证明，我们的方法在 2D IoU 计算和 3D 距离计算的准确度上都优于现有的其他方法。

Apr, 2019

通过采集互联网上的时尚模特图片和一小部分人体测量数据，以及用于各种三维身体网格的语言形状属性，我们训练了一种名为SHAPY的神经网络，该模型可从RGB图像中回归出三维人物的姿态以及形状。在新的HBW数据集上进行测试，SHAPY在三维人体形状估计任务上表现出色，明显优于现有技术。

Jun, 2022

本文提出了 Shape of You (SoY) 方法，旨在提高基于视觉的服装推荐系统中 3D 人体形状估计的精度。我们提出了两种损失函数和一种测试时间优化程序，可以轻松集成到参数化 3D 人体重建管道中，并在具有挑战性的 SSP-3D 数据集上将性能提高了 17.7%，在多样化人体类型方面的具有实际应用前景的更准确的 3D 形状估计系统迈出了一步。

Apr, 2023

在本研究中，我们定义和研究了一个新的Cloth2Body问题，其目标是从2D服装图像生成3D人体网格。与现有的人体网格恢复问题不同，Cloth2Body需要解决输入的局部观察和输出的高度多样性带来的新挑战。我们提出了一个端到端的框架，从2D服装图像准确估计参数化为姿势和形状的3D体网格，并通过实验结果证明该框架达到了最先进的性能，在对齐服装的同时能够有效恢复自然而多样化的3D人体网格。

Sep, 2023