我们提出了一种新的布料数字化方法，通过学习从严格测试的测量协议中捕获的数据来寻找可信的布料物理参数，然后提出了一种新的 Bayesian 可微布料模型来估计真实布料的复杂材料异质性，从而在非常有限的数据样本上提供高精度的数字化。

Feb, 2024

本文提出了一种用于测量微风中布料潜在物理特性的迭代反复优化过程算法，其中心思想为通过模拟观察现象并比较当前模拟与真实世界的差异来更新物理模型参数，以模拟布料在风中的运动，采用一种嵌入函数确定相似性，并引入谱层将视频容量分解为其时间谱功率和相应频率。实验证明该方法比基于真实世界视频的布料材料属性和外部风力测量任务的之前的工作表现更好。

Mar, 2020

本研究提出了一种从单张照片中生成人体服装真实 3D 模型的算法，该算法可以还原出服装的全局形态、几何信息和细节，结合参数估计、语义分析和物理模拟等技术，可应用于虚拟试穿、服装转化、数字人物的服装动画等领域。

Aug, 2016

本文提出了一种新的方法，使用单个 RGBD 摄像机进行实时自由视点的人体表演捕捉，主要内容包括：多层服装和身体的表示法，以及基于物理的表演捕捉过程。

Mar, 2019

通过对服装在人体上的多种披肩方法进行比较研究，我们评估了用于 3D 时尚设计、虚拟试穿和动画的流行技术。我们比较了基于物理和机器学习的技术、碰撞处理等多种模型的服装披肩方法，并讨论了性能评估和权衡，以确保在选择最适合的方法时做出明智的决策。这些方法旨在准确表示数字服装的变形和细微褶皱，考虑数据需求和效率等因素，以产生逼真的结果。该研究对于研究人员、设计师和开发人员在可视化多层 3D 服装方面具有启发性。

May, 2024

通过将三维布料变形重新构造为二维图案空间中的 RGB 图像，我们提出了一个新的计算框架，利用常见的 CNN 学习图像空间中的布料变形，并将其扩展到现实世界中，避免对准确的裸体体形和强大的蒙皮技术的需求，并讨论了如何将一些标准的基于图像的技术（例如图像分割以获得更高的分辨率，GANs 以将分割的图像区域合并回来等）容易地并入到我们的框架中。

Dec, 2018

我们提出了一种使用隐式曲面表示衣服、学习受关节体模型形状和姿势参数影响的蒙皮场的端到端可微管道来处理任意拓扑衣物的方法，并提出了一种防止体 - 衣物相互穿插和减少艺术品的预处理策略和新的训练损失。经实验证明，我们的方法相比于现有的方法，可以更准确地重建和变形服装，并且可以通过图像观测共同恢复身体和服装参数。

Sep, 2022

本文提出了一个全新的知觉度量标准 DreamSim，通过人类相似度判断数据集的研究得出，该标准可以全面评估图片的相似性，更关注于前景物体和语义内容及对颜色和布局敏感，并且具有很好的一般性能。

Jun, 2023

通过合成数据进行训练，为几乎铺平的服装物品设计关键点检测器，从而推动合成数据在衣物操作中的使用，并为机器人折叠等任务提供支持。

Jan, 2024

本文介绍一种参数化服装表示模型，它可以处理多层服装，并且使用 2D 和 3D 参数化定义服装形状来实现不同 iability，这种组合比纯隐式表面表示更快，重建结果更高质量，并且支持通过修改 2D 面材质实现快速编辑服装形状。

May, 2023