本文提出了一种基于神经径向基方法的生成神经体模型，通过学习未标记的单目视频，在不需要地面真实标签的情况下，共同完善的姿势和体积身体形状和外观，有效改善了多样化数据集上的准确性，是对使用反向运动学的引入的一个重要贡献。
Feb, 2021
通过将动态场景分解为少数神经轨迹，我们提出了 DynMF 模型，该模型以高效紧凑的方式准确地建模动态场景和运动，具有实时视图合成能力。
Nov, 2023
本文提出了一种新的框架，即结构位移特性和语义感知学习模块，来改进 NeRF 的不足之处并成功处理未见过的表情，实现了从稀疏图像中合成逼真的三维人脸形象，并在定量和定性上比当前艺术水平领先。
Jun, 2023
本文提出了神经辐射场用于人物运动的渲染和时空（4D）重建，该方法将神经场表示、新视角合成和隐式统计几何人类表示相结合，并应用于人类姿势识别和服装模拟。
Oct, 2021
本论文提出了一种名为 MonoHuman 的新型框架，该框架使用共享双向变形模块和前向对应搜索模块来创造出一个可塑性质高的形变场，其利用离线关键帧信息来推断人体不同部位运动的相关特征，使得生成的虚拟角色在姿势、细节和视角等方面更为真实。与其他现有方法相比，该框架产生的效果更为卓越。
Apr, 2023
本文提出了可动态变化神经辐射场 (animatable NeRF) 的方法用于从单眼视屏中创建细节丰富的人物角色，通过引入显式姿势引导变形的方式学习场景表示网络扩展神经辐射场 (NeRF) 到带有人体运动的动态场景，并展示了该方法在人物几何和外观重建、真实感渲染和动画设计等方面取得了突破性成果。
Jun, 2021
本文提出用于人类与场景中物体进行交互的逼真三维运动生成方法，提出了一种基于神经交互场的技术，该技术可以指导对象条件化的人类运动扩散模型的抽样，以鼓励合理接触和可发掘意义，在支持使用少有数据的情况下，用自动合成数据流水线进行这项研究，最终提出了一种名为 NIFTY（神经交互场用于轨迹综合）的框架。
Jul, 2023
基于 NeRF 的人体表演姿态依赖渲染的新方法，通过将辐射场围绕 SMPL 人体模型进行扭曲，实现了新的表面对齐表示，可以通过骨骼关节参数和视点来实现动画化，并通过引入新的重新映射过程来实现高质量渲染。
Pose-NDF 是一种基于神经距离场的连续模型，用于生成逼真的人体姿势，学习了合理的姿势流形作为神经隐式函数的零水平集。它在各种下游任务中的表现优于现有的先进方法，例如去噪、姿势恢复和 3D 姿势重建等。
Jul, 2022
本文提出了一种新颖的动作序列生成方法 MT-VAE，它可以利用动作序列之间的转换关系，学习运动方式的特征嵌入和运动方式之间的特征变换，从而生成多样性且逼真的面部和全身运动，并展示了与类比运动传递和视频合成相关的应用。
Aug, 2018