本文提出了一种新的生成模型，用于 3D 服装变形，能够学习一种数据驱动的虚拟试穿方法，并成功地解决了服装和身体之间的碰撞问题。通过使用服装的规范空间来训练生成模型，实现了一种自我监督的碰撞术语，可以可靠地解决服装和身体之间的相互渗透。

May, 2021

通过物理嵌入学习框架，使用卷积神经网络代表物体之间的空间相关性，并通过三个分支学习布料物理的线性、非线性和时间导数特征，模型通过与传统模拟器或子神经网络相结合，测试在不同的布料动画案例中达到与基准值的一致性和预测的真实性，同时提高了推理效率，可与其他视觉细化技术整合应用于三维布料动画。

Mar, 2024

我们提出了一种从单一单目视频中学习可个性化动画的、具有几何精度、逼真性、可重新照明性并且与当前渲染系统兼容的 3D 头像人物模型的高效方法。

Oct, 2023

该研究论文介绍了使用服装缝合图案和面向点的注意力模型 NeuralTailor，来解决在 SocialVR、表演捕捉和虚拟试衣等领域中，虚拟世界中真实服装重建的挑战。

Jan, 2022

提出了一种基于全卷积图神经网络的学习方法，用于虚拟试穿应用。该方法可以适用于许多服装类型，并使用几何深度学习方法对 3D 服装进行拟合。通过对目标物体形状和材料进行建模，我们的模型学习了更精细的细节，提高了试穿模型的性能。

Sep, 2020

本文介绍了一种重建单张图像中多人穿着服装的相互作用几何结构的新型流程。通过利用两个人体先验来解决遮挡带来的挑战，使用几何先验和表面接触先验，在场景空间中全局细化人体姿态，实现无穿透的准确重建。与现有方法相比，结果表明我们的方法具有完备性、全局一致性和物理可行性。

Jan, 2024

本文提出了 DeepCloth，它是一个针对服装表示、重建、动画和编辑的统一框架，它包含了三个组件：拓扑感知的 UV 位置图、连续特征空间中的嵌入和服装动画方法。这个方法可以实现更加灵活、通用的 3D 服装数字化框架。

Nov, 2020

我们提出了一种使用隐式曲面表示衣服、学习受关节体模型形状和姿势参数影响的蒙皮场的端到端可微管道来处理任意拓扑衣物的方法，并提出了一种防止体 - 衣物相互穿插和减少艺术品的预处理策略和新的训练损失。经实验证明，我们的方法相比于现有的方法，可以更准确地重建和变形服装，并且可以通过图像观测共同恢复身体和服装参数。

Sep, 2022

本文提出了一种自监督学习动态三维服装变形的方法，通过基于优化方案的物理模型训练神经网络，实现无需预先计算数据，节省大量时间和成本，并成功应用于包括动态变形和精细皱纹在内的交互式服装建模。

Apr, 2022

本研究介绍了一种利用隐式神经表征的新型各向异性布料回归技术，其中包括创新的无网格抽样方法和新颖的对抗训练方案，以更好地捕捉细节布料纹理并保持计算效率。实验结果表明，在相同内存限制下，本方法在建模高度细节化的布料皱纹时始终超过传统的离散表示。

Nov, 2023