本研究提出一个新型框架，名为 H4D，利用 SMPL 参数模型对动态人体进行建模，包括形状、初始姿势、运动和辅助信息，通过线性运动模型和 GRU-based 架构来提高准确性和表现力，有效地恢复了动态人物的运动和细节几何

Mar, 2022

使用 monocular 视频作为动作提示，MagicPose4D 提供了对 4D 生成中外貌和动作的精细控制。通过双阶段 4D 重建和跨类别动作传输，MagicPose4D 在各种基准测试中显著提高了 4D 内容生成的准确性和一致性。

May, 2024

4DGen 是一种新颖的综合框架，将 4D 内容创建任务拆分为多个阶段，利用静态 3D 资产和单目视频序列作为构建 4D 内容的关键组成部分，使用动态 3D Gaussians 构建 4D 表示，在训练期间利用渲染进行高分辨率监督，从而实现了高质量的 4D 生成，并实施了 3D 感知的得分蒸馏采样和平滑正则化以提供空间 - 时间伪标签和无缝一致性先验，相比现有基线方法，在忠实重建输入信号和从新视点和时间步骤推断渲染方面取得了具有竞争力的结果，最重要的是，我们的方法支持基于实际场景的生成，为用户提供了增强控制，这是以前方法难以实现的特点。

Dec, 2023

Neural Marionette 是一种无监督学习方法，可以从动态序列中发现骨架结构，学会生成与观察到的运动动态一致的多样化运动，无需先验知识，可泛化到多模态序列生成、两个姿势的插值和运动重新定向。

Feb, 2022

本篇论文介绍了一种基于深度学习和连续变换函数的方法进行 4D 形状重建，使用一个鲁棒的时空形状表征方法来视觉化地表达这些形状并通过动力学模型对其进行建模，实现了四维人体重建。

Mar, 2021

本文提出了一种名为 LoRD 的新型局部 4D 隐式表示方法，具有 4D 人体建模和局部表示的优点，能够实现高保真度的重建，并在稀疏点的 4D 重建、非刚性深度融合等方面优于现有方法。

Aug, 2022

通过在潜在扩散框架中利用 3D 人体参数模型，介绍了一种人像动画的方法，以增强当前人体生成技术中的形状对齐和运动引导，通过捕捉源视频中的复杂人体几何和运动特征，利用深度图像、法线图和语义图来丰富潜在扩散模型的综合三维形状和详细姿势属性的条件，通过多层运动融合模块在空间域中融合形状和运动潜在表示，并通过以 3D 人体参数模型作为运动引导来执行参变形对齐，实验证明该方法能够生成准确捕捉姿势和形状变化的高质量人体动画，并且在所提出的数据集上具有优越的泛化能力。

Mar, 2024

本研究提出一种基于深度学习的方法，通过编码器将每个组件表示为潜在编码，使用神经 ODE 对初始状态进行更新，使用解码器将形状编码和更新状态编码组合在一起重构 3D 模型，并通过身份交换训练策略来有效地解耦每个组件，从而在 4D 重建及运动转移任务中取得了显著改进。

Mar, 2021

提出了一种名为 LEO 的新颖方法，通过将运动表示为一系列流场图，在生成过程中固有地分离运动和外貌，从而强调时空一致性，并取得了比以前方法更好的人类视频合成效果。

May, 2023

本文提出了一种基于运动学模型的神经隐式表示方法，可以同时处理人体的形状和姿态，实现了更好的三维重建效果和任务控制能力。

Nov, 2021