介绍了 4D-DRESS，这是第一个以高质量 4D 纹理扫描和服装网格推进人类服装研究的真实世界 4D 数据集，拥有 64 套服装和 520 个人体运动序列的 78k 纹理扫描，通过半自动的 4D 人体解析流程标注和分割详细复杂的 4D 人体扫描，为服装模拟和重构建立了多个基准，为逼真人体服装研究的进步铺平了道路。

Apr, 2024

HUMAN4D 是一种多模态体积数据集，提供了关于人类日常、物理和社交活动的各种姿势和动作的数据，同时提供多 RGBD、音频和音量数据。该数据集的介绍旨在推动计算机视觉和图形研究社区对空间和时间对齐的姿势、音量、mRGBD 和音频数据线索的联合研究，同时提供了人类姿势估计和三维压缩等方面的评估基线。

Oct, 2021

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

通过 CORE4D 数据集，我们补充了协作对象重新排列领域的研究空白，这个数据集关注于多种对象几何结构，协作模式和 3D 场景的组合，我们使用迭代协作重新定位策略来扩充模型，共有 11K 协作序列，涵盖 3K 真实和虚拟对象形状。通过 CORE4D 提供的丰富动作模式，我们分别进行人 - 物运动预测和交互合成两个任务的实验，证明了我们的策略有效性并给现有的人 - 物交互生成方法提出了新的挑战。

Jun, 2024

该研究论文介绍了一个名为 MVHumanNet 的大规模 3D 人体数据集，其中包含 4500 个人的多视角行动序列，以及 9000 个日常服装、60000 个运动序列和 6.45 亿帧的详细注释，通过该数据集的使用，进行了多个 2D 和 3D 视觉任务的实验，展示了性能的提升和有效应用的可能性。

Dec, 2023

Deep Fashion3D 是迄今为止最大的 3D 服装模型集合，包含 2078 个模型和丰富的注释信息，并引入了一种新的单视角服装重建方法。

Mar, 2020

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

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

本文介绍了一组新的人体运动和视频数据集 MoVi，其中包括 60 名女性和 30 名男性表演 20 种预定义的日常动作和运动，以及一种自选运动。该数据集包含 9 小时的运动捕捉数据、17 小时的 4 个不同视角的视频数据和 6.6 小时的 IMU 数据，同时还描述了数据集的收集和后处理过程，并探讨了该数据集可促进的研究方向。

Mar, 2020

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