Mar, 2024

WordRobe: 文本指导的纹理 3D 服装生成

PDF
TL;DR采用 “WordRobe” 框架，通过学习 3D 服装的潜在表示和对齐 CLIP 嵌入空间，实现了高质量纹理的基于文本的 3D 服装生成和编辑。通过控制网络实现全景一致纹理合成，生成时间大大缩短。WordRobe 生成的 3D 服装网格可以直接用于标准布料模拟和动画流程。
text-driven generation3d garmentstextureslatent representationtext-driven texture synthesis
发现论文，激发创造
  • 服装 3D 生成：3D 服装风格化与纹理生成

    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

  • DressCode：基于文本引导的自回归缝制与生成服装

    通过引入基于 GPT 的体系结构 SewingGPT，结合文本条件嵌入和跨注意力，我们的框架可通过自然语言交互生成与计算机生成图形友好的服装。通过与其他最先进方法的综合评估和比较，我们的方法展示了最好的质量和输入提示的一致性。用户研究进一步验证了我们高质量的渲染结果，突显了它在实际生产环境中的实用性和潜力。

    Jan, 2024

  • GarmentDreamer: 基于 3DGS 的服装合成与多样几何纹理细节

    本研究提出了一种名为 GarmentDreamer 的新型方法，它利用 3D 高斯喷雾（GS）作为指导，从文本提示中生成适用于仿真的 3D 服装网格。与使用由生成模型直接预测的多视图图像作为指导相比，我们的 3DGS 指导确保了服装变形和纹理合成的一致优化。通过全面的定性和定量实验证明了我们方法的有效性，并展示了 GarmentDreamer 相对于现有最先进方法的卓越性能。

    May, 2024

  • TELA：基于层次化方法的 3D 服装人体生成

    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

  • ClotheDreamer: 基于文本引导的 3D 高斯服装生成

    通过 ClotheDreamer, 一种基于高斯的方法，从文本提示中生成可穿戴的、适合生产的 3D 服装，可用于虚拟试穿和支持精确动画。

    Jun, 2024

  • DeepIron: 从单张图片预测无扭曲的服装纹理

    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

  • StyleHumanCLIP: 面向 StyleGAN-Human 的文本引导服装操纵

    本文提出了一种基于文本引导的全身人像图像合成框架，采用基于注意力机制的潜在代码映射器，实现了比现有映射器更多元化对 StyleGAN 的控制，并在推理时引入特征空间掩码机制来避免因文本输入导致的不良影响，经定量和定性评估，证明了我们的方法比现有方法更能忠实地控制生成的图像。

    May, 2023

  • 基于文本的可控人类图像生成

    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

  • Guide3D：根据文本和图像指导创建 3D 化身

    通过结合文字和图像信息，利用扩散模型，我们开发了一种零样本的三维生成模型，能够合成高分辨率纹理网格，实现了将二维图像直接转化为三维空间的功能。

    Aug, 2023

  • TeCH: 文本引导下的逼真着装人体重建

    通过使用描述性文本启示和个性化模型，TeCH 提出了一种混合的三维重建方法，用于重建细节丰富的衣着人物的未见区域，并在重建准确性和渲染质量方面优于现有方法。

    Aug, 2023