该研究论文介绍了使用服装缝合图案和面向点的注意力模型 NeuralTailor，来解决在 SocialVR、表演捕捉和虚拟试衣等领域中，虚拟世界中真实服装重建的挑战。

Jan, 2022

本研究提出了一种数据驱动的方法，使用条件生成对抗网络来实现真实服装的高保真度仿真，可用于身体动画等应用。

Aug, 2018

本研究提出了一种名为 ClothFit 的虚拟试衣方法，通过考虑衣服的实际尺寸和人体属性，能够在目标身体上预测衣服的覆盖形状，该方法结合了 U-Net 网络结构和 Auto-encoder 技术，相比现有技术实现更加真实、高效的虚拟试衣效果。

Jun, 2023

本研究通过深度学习提出了一种解决服装动画问题的新方法，可以对任何拓扑和几何复杂度的模板服装进行动画处理，并提出了一种补充有监督学习的无监督物理学习方法，以隐式解决碰撞和增强布料质量。

Sep, 2020

该论文提出了一种名为 GarNet 的两流体系结构，利用深度网络从三维点云中提取不同级别的服装特征，并将其与从三维物体并行提取的特征融合，以建模衣物 - 身体交互，最终可在 100 倍速下生成视觉上合理的服装形状，同时平均三维点距离少于 1 厘米，可用于不同类型衣服的建模。

Nov, 2018

本文提出了一种名为 CAPE 的基于 Mesh-VAE-GAN 和 SMPL 身体模型的条件服装生成模型，能够直接为 3D 人体模型着装并适用于不同的姿势。

Jul, 2019

该研究介绍了一种名为 MGN 的多服装网络模型，利用 SMPL 模型，通过视频中几帧图像（1-8）预测身体的形状及所穿服装，该模型能够更好的控制身形和服装的关系。为了训练 MGN，研究人员利用一个数字化的衣柜，该衣柜中包含了 712 件数字化服装模板以及真实人物在不同姿势、身着不同服装时的 3D 扫描数据。该数字化衣柜、MGN 模型以及 SMPL 模型的代码均可公开获取。

Aug, 2019

该研究通过骨骼运动网络来预测宽松服装网格的变形，包括低频和高频的变形，并可估算仿真参数变化引起的衣服变形，证明了该方法优于现有方法。

May, 2022

本文提出了一种基于学习的服装动画方法，用于高效的虚拟试穿模拟，其中使用了基于物理的模拟，基于数据库的模型训练，并将全局服装吻合和局部服装皱纹分离。同时，使用循环神经网络来回归服装皱纹，实现了高度逼真的非线性效果。

Mar, 2019

该研究提出了一种基于点的解决方案来解决服装变形问题，并引入了一个包含现实世界人类穿着高质量扫描数据集的方法进行验证。

Apr, 2023