通过使用描述性文本启示和个性化模型，TeCH 提出了一种混合的三维重建方法，用于重建细节丰富的衣着人物的未见区域，并在重建准确性和渲染质量方面优于现有方法。

Aug, 2023

Mesh2Tex 使用一种混合网格神经场纹理表示法，从未相关的三维物体几何和照片逼真的 RGB 图像的集合中学习出真实的物体纹理流形，以生成适用于下游应用和 3D 渲染的纹理对象，并可以在具有挑战性的真实世界场景下有效地生成逼真的物体纹理。

Apr, 2023

利用 TexDreamer 模型，我们通过有效的纹理自适应微调策略将大型文本到图像模型转化成语义化 UV 结构，在保留其原始泛化能力的同时，能够在数秒内生成高保真度的 3D 人体纹理。此外，我们还介绍了包含 50k 高保真度的纹理及文本描述的 ATLAS 高分辨率 3D 人体纹理数据集。

Mar, 2024

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

本研究提出了一种新的流程来使用一部智能手机获取真实世界中带纹理的网格模型，使用 RGBD 辅助构建方法生成过滤的深度图和精确的相机姿势，核心技术采用神经隐式表达重建算法以及不同 iable 的渲染方法生成更加接近真实场景的纹理，并验证了该方法的性能对比其他 3D 重建 + 贴图算法。

Mar, 2023

使用单幅图像进行实时推断和渲染逼真的三维人体外貌的 R$^2$Human 方法结合了隐式纹理场和显式神经渲染的优势，利用新的表示法 Z-map 并通过傅里叶占用场重建了精细的三维几何，从而在合成数据和挑战性的现实世界图像上取得了最先进的性能。

Dec, 2023

本文介绍一种使用 RGB-D 自拍相机实现高保真、逼真、照片级的 3D 数字人头制作的完全自动化系统。该系统采用不同于传统的面部几何建模和反射合成技术，成功运用了两阶段帧选则过程和可微渲染器的 3DMM 拟合算法来从多视角 RGB-D 数据中恢复面部几何，进而实现人脸表面纹理的抠取与合成，从而制作出了高度真实细节的数字人头。

Oct, 2020

SHERT 是一个新的流程，可以通过语义和法线采样来重构具有纹理和高精度细节的语义人体网格，生成稳定的 UV 展开、高质量的三角网格以及一致的语义信息，优于最先进的方法。

Mar, 2024

通过利用输入视频的时间信息更好地规范遮挡的身体部位，我们引入 ORTexME，一种具有遮挡鲁棒性的时间方法。我们的方法在具有挑战性的多人 3DPW 数据集上取得了显著改进，P-MPJPE 误差减少 1.8，而渲染方法则使误差增大 5.6。

Sep, 2023