本文提出了 ARCH（可动画重建的带衣人），这是一种新型的端到端框架，用于从单个图像准确重建可动画的 3D 带衣人。与现有方法相比，ARCH 是一个基于学习的姿势感知模型，可以从单个自由 RGB 图像中生成详细的 3D 带骨骼全身人型，该模型通过创建语义空间和语义变形场来减少姿势变化和遮挡引起的几何模糊。通过空间局部特征的隐式函数表示来学习详细的几何形状和外观，同时提出了对 3D 重建的每个像素进行透明度感知的可微分渲染的额外像素监督。实验结果表明，ARCH 可以提高带衣人的重建保真度，并且与公共数据集上最先进的方法相比，重建误差降低了 50％以上。文中还展示了许多文献中未曾见过的高质量可动画重建人型的定性实例。

Apr, 2020

本文提出了一个高效的三维服装化身重建框架。该框架通过高精度的基于优化的方法和高效的基于学习的方法相结合，以从单个图像中实现高保真度的服装化身重建为目标。通过在规范空间中以基于学习的方式使用隐式模型来学习人的一般形状，并通过以优化方式在姿态空间中估计非刚性变形来细化表面细节，使用超级网络来生成良好的初始化，从而极大地加速了优化过程的收敛。在各种数据集上的大量实验表明，所提出的服装化身重建框架成功地为现实场景中的任意穿着的人类产生了高保真度的化身。

Apr, 2023

本文提出了一种方法，将人体模型与可微分渲染相结合，从多视点 RGB 视频中创建可动态的穿着衣服的人形化身，其具有细节化的几何结构，并且能够适应超出分布范围的姿势。

Oct, 2022

使用一个人的动态视频，通过引入新颖的组合式人体建模框架，结合显式建模和隐式建模的方法，实现高质量的服装 3D 人体化身建模，解决了缺乏几何和其时间对应关系的 3D 真值数据的挑战，成功地生成了具有运动相关几何和纹理的服装 3D 人体化身。

Dec, 2023

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

采用逆渲染和逆物理学相结合的方法，PhysAvatar 能够建立逼真的数字人物模型，特别是穿着松散的衣物并能在未见过的动作和光照条件下生成高质量的新视角渲染效果。

Apr, 2024

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

使用全局相关的三维解耦 Transformer 模型来从单幅图像中重建着衣人体化身，实现了在复杂姿势和宽松服装情况下的高性能几何和纹理重建。

Sep, 2023

CLOTH3D 是第一份大规模的 3D 服装人体序列的综合性合成数据集，并提供了基于条件变分自编码器和图卷积的生成模型，实现了在任何姿势和形状下逼真生成 3D 服装。

Dec, 2019

该论文提出了一个可以从多个非约束帧中重新构建 3D 人物肖像的框架，并设计了一个多级方法来重建隐式的蒙皮场，基于一次前馈生成一个形状与蒙皮的化身，为此贡献了一个包含 400 个主题的大型数据集，该训练模型可以从非约束帧中重建 3D_avatar，并达到最先进的性能水平。

Apr, 2022