通过将文本和纹理相结合，FashionTex 框架能够在无需配对数据的情况下，对服装类型和纹理模式进行语义控制，从而支持全身肖像的用户友好型时尚定制。

May, 2023

本研究针对数字化人物研究领域的衣物建模、动画和重建方面的最新发展进行了探讨，提出基于真实世界数据集训练的高保真度 3D 生成模型 Design2Cloth，为时尚行业做出了重要贡献，并展示了该方法在从 2D 布料遮罩生成多样化、详细化服装以及从野外图像和 3D 扫描中实现高质量重建方面的优势。

Apr, 2024

我们介绍了 Garment3DGen，一种从基础网格中合成 3D 服装资产的新方法，通过单个输入图像作为指导，用户可以根据真实和合成图像生成 3D 纹理服装。使用 Garment3DGen，用户可以生成所需的纹理 3D 服装而无需艺术家干预。

Mar, 2024

该论文介绍了一种从图像中实现 3D 服装的逼真重建的方法，通过一种基于图像纹理的新框架，使用姿势信息从单张图像中生成 3D 服装的纹理图像，验证了该方法的有效性，并提供了一个大型数据集，对未来的服装纹理重建和合成研究具有重要参考价值。

Oct, 2023

Mesh2Tex 使用一种混合网格神经场纹理表示法，从未相关的三维物体几何和照片逼真的 RGB 图像的集合中学习出真实的物体纹理流形，以生成适用于下游应用和 3D 渲染的纹理对象，并可以在具有挑战性的真实世界场景下有效地生成逼真的物体纹理。

Apr, 2023

提出了一种名为 TexControl 的基于草图的时尚生成框架，采用两阶段流程从草图输入生成时尚图像，通过 ControlNet 生成时尚图像并保持图像轮廓稳定，然后利用图像到图像的方法优化生成图像的细节纹理，获得最终结果。评估结果表明，TexControl 可以生成具有高质量纹理的细粒度时尚图像。

May, 2024

本文通过逐层式的人体服装表示和渐进优化策略，从文本描述生成 3D 穿衣人模型，以实现高质量的分离效果，并支持虚拟试穿等应用。

Apr, 2024

本文提出一种名为 Text2Human 的控制性框架，用于基于文本的生成高质量和多样化的人类图像。在此框架下，我们建立了一个分层的纹理感知码书，以存储不同类型纹理的多尺度神经表征，并使用混合专家的扩散变换采样器采样码书中的索引。通过使用细粒度文本输入，生成的图像具有更高的质量和更多的多样性，拥有比现有方法更好的性能。

May, 2022

本研究提出了一种创新的虚拟试穿技术，能够在输入人体图像上实现个性化服装的逼真合成。我们的方法具有灵活的样式和纹理条件，并通过明确分离样式和纹理的双阶段流程来解决全服装图像作为条件时的交织挑战。通过提取层次化和平衡的 CLIP 特征以及在 VTON 中应用位置编码，我们首次实现了复杂的非平稳纹理，实验结果表明了我们方法在合成质量和个性化方面的卓越表现。样式和纹理的灵活控制为在线购物和时尚设计提供了新的用户体验水平。

Dec, 2023

本文介绍了一种用于生成分段平面代理的自动纹理映射框架 TwinTex，通过选择一组照片并提取线特征，利用优化算法将纹理与几何对齐，并使用扩散模型来修复缺失区域，实现了高保真质量的纹理贴图。

Sep, 2023