本文提出了一种名为 REC-MV 的新方法，可以通过优化 3D 服装特征曲线和表面重建来从单目视频中提取出开放式服装网格，结果显示该方法在多个数据集上表现优于现有方法并且能够产生高质量的动态服装表面。

May, 2023

本文提出了一种从单目 RGB 视频输入中捕捉时间连贯的动态服装变形的方法，该方法不需要预先扫描个性化网格模板，可以用于野外视频，并建立三种类型的服装的统计变形模型，利用可微分渲染器将捕获到的形状与输入帧对齐，并提取出细节纹理等信息。经过大量实验表明，该方法可以成功地从各种具有挑战性的视频中捕获服装，同时也能够在衣服表面重建误差等指标上达到有效的效果。

Sep, 2020

该文提出了一种新的框架，通过训练一系列递归深度神经网络从 2D 姿势及其时间导数来生成人类形状、结构和外观的中间表示，从而解决了视频中松散的服装动态和细节的生成问题，实现了高保真的人类动作转移。

Dec, 2020

该研究论文提出了一种基于深度学习和递归神经网络的方法，采用含有 3D 注释的合成单眼视频来恢复完整的 3D 人体姿势，并在定量和定性分析中证明了该方法的有效性。

Jun, 2019

本文介绍了一种解决数字化人物着装的解决方案，该方案可以通过神经网络在测试时直接生成逼真的动态服装图像序列，以解决现有工作流程中重复性高且耗时的问题，并且可以在新的身体形状和背景图像下进行微调，并提供了与现有神经渲染和图像序列转换方法的定量比较。

Feb, 2021

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

在本文中，我们介绍了一种使用非常稀疏的多视角视频（我们的设置中为 4-8 个）生成穿着宽松服装的可动画人类化身的新方法 AniDress。为了在这种情况下捕捉和学习宽松服装的外观，我们采用从基于物理的模拟数据中获得的虚拟基于骨骼的服装绑定模型。通过一组低维骨骼变换，这种模型使我们能够捕捉和渲染复杂的服装动态。技术上，我们开发了一种从稀疏多视角视频中估计时间一致服装动态的新方法。为了利用粗略估计建立逼真的未见状态渲染，我们引入了一个在身体和服装运动上都受条件约束的基于姿势驱动的可变形神经辐射场，提供了两部分的显式控制。实验证明，我们的方法能够呈现高度偏离身体的自然服装动态，并且在未见视角和姿势上具有良好的泛化性能，超过现有方法的表现。代码和数据将公开提供。

Jan, 2024

使用 DLCA-Recon 方法，从单目视频中创建人类化身，模拟松散服装的运动并优化变形场，以更准确地重建动态人物表面。

Dec, 2023

本研究提出了一种从单张照片中生成人体服装真实 3D 模型的算法，该算法可以还原出服装的全局形态、几何信息和细节，结合参数估计、语义分析和物理模拟等技术，可应用于虚拟试穿、服装转化、数字人物的服装动画等领域。

Aug, 2016

本文提出了一种自监督学习动态三维服装变形的方法，通过基于优化方案的物理模型训练神经网络，实现无需预先计算数据，节省大量时间和成本，并成功应用于包括动态变形和精细皱纹在内的交互式服装建模。

Apr, 2022