CVPRApr, 2024

设计 2 服：由 2D 面罩生成 3D 服装

PDF
TL;DR本研究针对数字化人物研究领域的衣物建模、动画和重建方面的最新发展进行了探讨，提出基于真实世界数据集训练的高保真度 3D 生成模型 Design2Cloth，为时尚行业做出了重要贡献，并展示了该方法在从 2D 布料遮罩生成多样化、详细化服装以及从野外图像和 3D 扫描中实现高质量重建方面的优势。
digital avatar researchcloth generation methods3d generative modelfashion industryhigh quality reconstructions
发现论文，激发创造
  • AG3D: 从 2D 图像集合中学习生成 3D 头像

    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

  • Cloth2Body: 从 2D 服装生成 3D 人体网格

    在本研究中，我们定义和研究了一个新的 Cloth2Body 问题，其目标是从 2D 服装图像生成 3D 人体网格。与现有的人体网格恢复问题不同，Cloth2Body 需要解决输入的局部观察和输出的高度多样性带来的新挑战。我们提出了一个端到端的框架，从 2D 服装图像准确估计参数化为姿势和形状的 3D 体网格，并通过实验结果证明该框架达到了最先进的性能，在对齐服装的同时能够有效恢复自然而多样化的 3D 人体网格。

    Sep, 2023

  • 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

  • CLOTH3D: 服装三维人体

    CLOTH3D 是第一份大规模的 3D 服装人体序列的综合性合成数据集，并提供了基于条件变分自编码器和图卷积的生成模型，实现了在任何姿势和形状下逼真生成 3D 服装。

    Dec, 2019

  • gDNA: 生成详细神经化身模型

    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

  • Deep Fashion3D: 从单张图像重建三维服装的数据集与基准测试

    Deep Fashion3D 是迄今为止最大的 3D 服装模型集合，包含 2078 个模型和丰富的注释信息，并引入了一种新的单视角服装重建方法。

    Mar, 2020

  • Cloth2Tex: 自定义三维虚拟试穿的布料纹理生成流程

    利用称为 Cloth2Tex 的自监督方法生成高质量纹理地图，该方法消除了传统基于变形的纹理生成方法中手动选择控制点的繁琐过程，并结合潜在扩散模型实现高保真度纹理修复，该方法相比其他方法具有最佳视觉效果。

    Aug, 2023

  • 为可动人形模型建模衣服的单独层

    通过多视角捕捉视频对具有显式服装表示的可动衣物人形头像进行建模，采用二层网格表示注册每个 3D 扫描，通过时序卷积网络来预测衣物潜在编码以实现人体动力学和服装状态的交互作用。

    Jun, 2021

  • 动态神经服

    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

  • 生成式服装中的 3D 人物着装学习

    本文提出了一种名为 CAPE 的基于 Mesh-VAE-GAN 和 SMPL 身体模型的条件服装生成模型，能够直接为 3D 人体模型着装并适用于不同的姿势。

    Jul, 2019