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

本文提出了一种针对多层服装的模型，通过映射其在人体模型的 UV 贴图上，将其拓扑结构独立化处理，并加入了基于 GNN 的网络，实现不同层次间的互动关系建模，从而成功实现了对真实服装重建的高性能模拟。

Apr, 2023

通过引入几何约束和基于物理的模型，本文解决了现有方法中的不逼真的问题，并提出了适用于所有服装类型的几何感知的服装皮肤方法。

Dec, 2023

该研究提出了一种数据驱动的方法，用户可以通过简单的草图指示所需的褶皱图案，从而快速生成针对不同身体形状的服装，并且不需要在设计时运行服装模拟。

Jun, 2018

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

通过添加基于扩散的形变先验来建模衣物的形状，并利用隐式缝合图案（ISP）模型，从不完整的三维点云中恢复三维衣物形状，实验结果表明我们的方法在处理衣物的非刚性变形时具有更高的重建精度。

May, 2024

本文提出了一种名为 LayersNet 的数据驱动方法来对多层服装进行建模并以微物理系统中的粒子相互作用为驱动，引入一种新的旋转等效变换以更好地模拟外部力，最终通过一个包含 700K 帧的数据集 D-LAYERS 进行验证并展示出优异的表现。

May, 2023

本文提出了一种从单张照片中预测着装人体几何形状的新方法，包括三个关键点：一个新数据集，一个新的形状参数化算法和一个端到端的深度生成网络。

Apr, 2019

利用深度学习技术和隐含形状学习的力量，提出一种新颖的几何推断框架 ReEF，通过将显式模板与单张图片生成的整体隐式场进行匹配，重建具有拓扑一致性的分层服装网格，实验表明我们的方法在单张图像重建方面优于同类方法并能够为进一步的内容创作提供高质量的数字资源

Mar, 2022

从单张图像中重建三维服装模型的一种新方法，通过推断单张图像中的缝制图案来获得服装的基本形状，然后使用物理模拟来生成能够适应任意姿势的三维服装。

Dec, 2023