通过神经放射场（NeRF）驱动底层骨骼，现在可以从一组稀疏的摄像机中重构动态人体动作和形状。我们开发了一个自适应和显式的频域两支神经网络来建模与骨骼姿态相关的衣物和皮肤的变形。通过模拟不同姿势所需的唯一频率分配，我们的网络在保留细节和泛化能力方面优于现有的方法。

Aug, 2023

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

本文通过开发一种基于神经技术的方法，在不假定训练数据的基础形变模型的情况下，使神经网络学习到骨架、皮肤和混合形状，并构建了一个骨骼层次结构的网络架构，利用预定义的骨骼结构使 3D 角色实现高质量的姿态相关形变，其中提出了用于改进关节区域变形质量的纠正姿势依赖形状的方法。

May, 2021

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

本文提出一种新的混合点表示方法，通过自动产生的几何数据点集作为支架和简便的映射方法，学习人形和动物角色的可动形变模型，相较于之前的方法，该方法无需昂贵的采集设备或受控环境的条件，且更具普适性和可推广性。

Apr, 2023

本文介绍了一种利用神经网络通过传统的皮肤技术反转所经历的变形的方法，通过预计算值来提高计算效率，可以在变形时有效地查询它们，这是计算机视觉和图形学中重要的问题。

Apr, 2020

该研究提出 RigNet：一种基于深度学习的自动化动画角色建模软件，通过输入 3D 模型可以精确预测骨骼结构和表面权重，并且可以比其他算法更好地模拟动态效果。

May, 2020

该研究通过使用可以捕捉衣物粗糙表面几何特征的学习的非规范化本地变形来解决现有点云或隐式表面建模方法对衣服建模的不足，可以用于学习人物特定的化身并演示其动画效果，并能从原始扫描直接学习，使得创建逼真化身的过程大大简化。

Sep, 2022

本文提出了一种基于堆叠沙漏模型的学习方法，用于预测具有关节的 3D 角色模型的动画骨骼系统，通过对从网络上挖掘的大型 3D 角色数据集进行训练，得到的方法非常类似于人类创作，同时保证骨骼系统与输入的 3D 模型具有结构和几何的匹配性，具有较强的可控性。

Aug, 2019

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