通过多视角捕捉视频对具有显式服装表示的可动衣物人形头像进行建模，采用二层网格表示注册每个3D扫描，通过时序卷积网络来预测衣物潜在编码以实现人体动力学和服装状态的交互作用。
Jun, 2021
利用Differentiable Semantic Rendering（DSR）loss来训练一个人体回归器，从而从单目图像中回归出3D人体形状和姿势。在DSR loss中，利用了服装的语义信息来惩罚有衣和没衣的区域，从而更好的匹配服装区和未穿衣区，同时为了确保可微的训练，从成千上万个衣服扫描中学习SMPL顶点的语义衣服先验。在3DPW和Human3.6M上优于先前的最先进的方法，并在MPI-INF-3DHP上获得了与之相当的结果。
Oct, 2021
该论文介绍了一种名为ICON的方法，该方法使用局部特征来进行3D人体建模，可以从不规则的2D图像中生成逼真且可动态的人体模型，并可以创建个性化且自然的动态变形的角色。
Dec, 2021
这篇论文提出了一种新方法，使用前向蒙皮模块和对抗网络模型，仅从少量生动的数据中学习生成多样化的3D人形模型，以便能够更自然地生成身着不同服装的人形模型，并且还可用于将人形模型拟合到原始扫描数据上。
Jan, 2022
该论文介绍了FITE框架，通过学习隐式表面模板来表示粗糙的衣服拓扑，然后使用模板指导点集生成以捕捉皱褶等姿态依赖性衣服变形。该框架结合了隐式和显式表示的优点，能够处理不同的拓扑结构和有效地捕捉细节。此外，还提出了扩散蒙皮技术来进行模板训练以处理宽松的衣物，并提出基于投影的姿态编码方法，从网格模板中提取姿态信息。
Jul, 2022
该研究通过使用可以捕捉衣物粗糙表面几何特征的学习的非规范化本地变形来解决现有点云或隐式表面建模方法对衣服建模的不足，可以用于学习人物特定的化身并演示其动画效果，并能从原始扫描直接学习，使得创建逼真化身的过程大大简化。
Sep, 2022
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
我们提出了CaPhy，一种用于重建具有逼真动态属性的可动画人体角色的新方法，重点是捕捉衣物的几何和物理属性以及在真实观察中应用新颖的动作，以物理正确的变形和皱纹覆盖人体角色，通过与物理损失的非监督训练以及使用扫描数据的三维监督训练结合的方式重建具有物理逼真性和符合人体扫描的衣物的动态模型，同时通过引入物理损失的梯度约束来优化扫描数据下潜在物理模型的物理参数，与之前的3D角色重建工作相比，我们的方法能够泛化到具有逼真的动态布料变形的新动作，对多个主题进行的实验表明我们的方法能够估计服装的物理属性，从而得到优于之前方法的定量和定性结果。
Aug, 2023
我们提出了SCULPT，一种新颖的针对穿着衣服和贴图的人体3D网格的生成模型。
本研究针对现有方法对人类身体模型的依赖，缺乏针对松散衣物变形建模的有效方法，提出了一种无需模板的点基、姿态条件生成模型PocoLoco。该模型直接在无序点云上操作，允许在虚拟人类动画等应用中实现点云完成和基于姿态的编辑，显著拓展松散衣物的人体建模能力。
Nov, 2024