SCULPT：姿态相关的衣着和纹理人体网格的形状条件非配对学习
该论文介绍了一种新型的生成模型SMPLicit，可以联合表示人体姿势、形状和衣物几何形状，并将不同类型的衣物拓扑结构（如无袖上衣、连帽衫和开衫）以一种统一的方式表示，同时控制其他属性如大小或紧身/松身。SMPLicit建立在对SMPL人体参数的条件隐式模型和可学习潜在空间上，具有很高的表达灵活性，可以被用于3D扫描、3D重建和服装编辑。
Mar, 2021
本文介绍了 SCANimate 系统，该系统采用弱监督学习方法，将原始三维扫描的拍穿人类转化为可动漫化的人物角色，在不需要表面网格配准的情况下实现装束的自然移动和变形，并引入了一种本地姿势感知隐式函数来模拟姿势依赖性形变。
Apr, 2021
通过使用神经网络的表征来捕捉局部相干几何信息和非平面细节，并回归本地几何，我们提出了一种新的表面能量，通过在服装上基于人体模型的变形将人体和衣服的形变分离开来，在二维参数空间上学习一种姿态嵌入，对未知的姿态进行模型建立，以及通过动作瞬间学习人的姿态，实现了点云三维建模和渲染。
Apr, 2021
利用Differentiable Semantic Rendering（DSR）loss来训练一个人体回归器，从而从单目图像中回归出3D人体形状和姿势。在DSR loss中，利用了服装的语义信息来惩罚有衣和没衣的区域，从而更好的匹配服装区和未穿衣区，同时为了确保可微的训练，从成千上万个衣服扫描中学习SMPL顶点的语义衣服先验。在3DPW和Human3.6M上优于先前的最先进的方法，并在MPI-INF-3DHP上获得了与之相当的结果。
Oct, 2021
这篇论文提出了一种新方法，使用前向蒙皮模块和对抗网络模型，仅从少量生动的数据中学习生成多样化的3D人形模型，以便能够更自然地生成身着不同服装的人形模型，并且还可用于将人形模型拟合到原始扫描数据上。
Jan, 2022
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
本文提出了一种从2D图像生成逼真的3D人物的新方法，并使用多个辨别器和2D法线图形式的几何线索来训练模型，取得了在几何和外观方面超过以前3D和关节感知方法的性能，通过系统的消融研究验证了模型的有效性和每个组件的重要性。
May, 2023
本文提出一种新的生成式模型，利用真实世界的3D扫描完成人体和物品（背包、外套、围巾等）的组合式生成模型的学习，并充分考虑两者之间的交互作用和相互形状变化，解决了先前方法中的限制性表达能力和可控性问题。我们的实验表明该模型能够将不同的物品自然地组合成各种动作和姿势下的人物，且无需人工标注。
May, 2023