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

我们提出了一种方法，可以从不同时间戳的场景观察中分割和恢复静态、干净的背景以及多个 360° 对象。我们通过观察相同对象在不同排列下的情况，将多场景融合任务分解为两个主要组成部分：对象 / 背景分割与对齐，以及辐射场融合。实验结果证明了我们的方法的有效性。

Apr, 2024

该研究提出了一种新的方法，使用单个图像进行 3D 重建，生成了一个完整的 360 度 3D 纹理网格，改进于现有方法，具有更好的几何形状和一致性。

Jun, 2023

本文提出了一种简单而高效的自学习框架，以适应消费视频数据的人体三维网格恢复系统，并在此基础上进行 13K 帧的评估以及对任务的关键点注释，结果显示我们的方法在测试视频上具有较高的准确性和人为判断水平。

Aug, 2020

基于预训练神经替代模型的快速和稳定的织物三维重建算法，可精确、稳定、平滑地重建几何体，与物理基础的 SfT 方法相比，运行时间减少了 400-500 倍。

Nov, 2023

本研究通过引入 PIFu 算法和使用表面本地化算法以及在线难例挖掘技术，从而在不需要昂贵的多视图系统或繁琐的预定义模型的情况下，从单眼视频中实时捕捉和渲染了一个完整的实纹三维人体。

Jul, 2020

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

提出了一种名为 2K2K 的简单而有效的 3D 人体数字化方法，该方法构建了一个大规模的 2K 人体数据集并从 2K 分辨率图像推断出 3D 人体模型，通过多个网络恢复了人体的全局形状和细节，并使用现有的网格生成器重构了完整的 3D 人体模型，该方法在多个数据集上展示了卓越的性能。

Mar, 2023

本文介绍了一个结合学习模块和优化模块的手部网格恢复的新框架 HandTailor，该框架利用单眼 RGB 图像实现高精度的恢复，能够在复杂的情景下取得最先进的性能表现。

Feb, 2021

本文提出了一种使用单个 RGBD 相机实现鲁棒的三维自画像的方法，并且通过提出的 PIFusion 和轻量级捆绑调整算法，可以在几秒钟内生成详细的 3D 自画像。

Apr, 2020