提出一种将服装图像的纹理自动转移到穿着在人体模型上的 3D 服装的方法，并在不需要纹理信息的情况下实现，速度比传统方法更快，从而实现了更准确的模型，这为虚拟试穿等应用提供了新的途径。

Mar, 2020

我们提出了 SMPLitex，这是一种从单张图片中估计和操作人类完整 3D 外观的方法。SMPLitex 基于最近提出的 2D 图像生成模型，并通过对输入图像上的像素到表面对应进行计算将其扩展到 3D 领域。我们首先训练了一个完整的 3D 人类外观生成模型，然后通过将生成模型与主体的可见部分相关联，将其适应于输入图像。此外，我们提出了一个新的高质量人类纹理数据集，通过对 SMPLitex 进行主体描述和图像采样构建。我们在三个公开数据集中进行定量和定性评估，结果显示 SMPLitex 明显优于现有的人类纹理估计方法，同时允许进行更多样化的任务，如编辑，合成和操作。

Sep, 2023

本研究提出了一种基于 DeepCut 和 SMPL 模型的 3D 姿态估计方法，能够从单张无约束的图像中自动预测人体的姿态和形状，实现了对人体结构和运动的精确推断。

Jul, 2016

使用多视角图像建议一种可伸缩的神经网络框架来重建 SMPL 模型子空间中的人体 3D 网格，并在现实图像上表现优异，特别是在形状估计方面。

Aug, 2019

提出了一种名为 TexVocab 的新方法，通过构建纹理词汇表并将人体姿势与纹理映射关联，从而充分利用多视角基于视频的人物建模中可用的图像证据，以实现细致和动态的人物表现。

Mar, 2024

本文提出了一种新颖的文本到头像生成方法，分别生成人体和服装，并允许对生成的头像进行高质量的动画。与最近的文本到头像生成方法不同的是，我们的方法将人体、发型和服装分别表示，以克服联合表示方法对编辑或动画等下游任务的挑战。通过提出的 Sequentially Offset-SMPL (SO-SMPL) 模型，我们成功地实现了人体和服装的物理对齐。然后，我们设计了一种基于 Score Distillation Sampling (SDS) 的蒸馏框架，从文本提示生成所提出的 SO-SMPL 表示。与现有的文本到头像方法相比，我们的方法不仅在纹理和几何质量以及与文本提示的语义对齐上取得了更高的性能，还显著提高了角色动画、虚拟试穿和头像编辑的可视质量。

Dec, 2023

通过将高容量的二维扩散模型与形状引导扩散相结合并利用逆渲染技术，从单一图像中逐步合成多个视角的完全纹理化高分辨率三维网格，实现了广泛的服装人物 360 度合成的照片级别结果。

Nov, 2023

本文提出了一种基于端到端学习策略的方法，利用行人重新识别作为感知度量，生成单张人体图像的纹理贴图，实验结果表明，我们的模型可以从单张图像中生成纹理贴图，并证明我们的纹理比其他可用方法生成的质量更高，我们还将应用范围扩展到其他类别，并探索了我们生成的纹理的可能利用途径。

Apr, 2019

该论文介绍了一种从图像中实现 3D 服装的逼真重建的方法，通过一种基于图像纹理的新框架，使用姿势信息从单张图像中生成 3D 服装的纹理图像，验证了该方法的有效性，并提供了一个大型数据集，对未来的服装纹理重建和合成研究具有重要参考价值。

Oct, 2023

本研究提出了一种基于轮廓的人体服装建模和纹理预测系统，使用深度生成模型重建穿着服装人体的完整 3D 模型，其中使用 2D 轮廓和 3D 关节来描述人体的形状复杂性和变化，再通过条件生成对抗网络预测背景面纹理，实验证明该模型是一种有效的表示方法。

Dec, 2018