TELA：基于层次化方法的3D服装人体生成
该研究提出了一种基于文本描述的三维人体生成方法，采用跨模态注意力将构成人体渲染与提取的时尚语义融合，以控制服装的形状、面料和颜色，实现对三维人体的高效控制和生成。
May, 2023
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
基于新颖的物理解耦-语义感知扩散模型，本文提出了一个文本驱动的分层式3D人体生成框架，可以生成具有一致身体结构的3D人体，同时允许分层式的自由编辑。
Dec, 2023
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
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
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
从文本描述中创建和定制3D着装化身是一个关键且具有挑战性的任务。传统方法通常将人体和服装视为不可分割的，限制了用户自由混搭服装的能力。为了应对这一限制，我们提出了一种精心设计的框架LAyered Gaussian Avatar（LAGA），它能够创建具有各种服装的高保真分解化身。通过将服装与化身解耦，我们的框架使用户能够在服装级别方便地编辑化身。我们的方法通过使用一组高斯点组织成分层结构来对化身建模，其中每一层对应于特定的服装或人体本身。为了生成每层的高质量服装，我们引入了一种分层生成多样化服装的粗糙到精细的策略，以及一种新的双SDS损失函数，以保持生成的服装与化身组件（包括人体和其他服装）之间的一致性。此外，我们引入了三个正则化损失来指导高斯点的运动，实现服装转移，使得服装能够自由地转移到各种化身上。大量实验表明，我们的方法在生成3D着装人物方面超过了现有方法。
May, 2024
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
本研究解决了现有3D人类生成方法对复杂服装和分层生成人物的局限性，提出了一种基于物理解耦的扩散模型的分层服装表示。创新的层级融合体积渲染和SMPL驱动的隐式场形变网络相结合，使得我们的模型能够有效实现虚拟试穿和分层人类动画，从而推动了3D人类生成技术的发展。
Aug, 2024