针对在协作和交流中需要产生逼真可信的虚拟人物角色，本文提出了一种基于流的 3D 人体生成模型，通过学习 3D 人体姿势的条件分布和从观察到的数据到潜在空间的概率映射，生成能够确定关节不确定度的虚拟角色动作，证明了该方法不仅是一个强大的预测模型，还可以在各种优化环境中充当一个高效的姿势先验。

Mar, 2022

提出了一个两阶段的框架，仅利用头部和手部的追踪信号可以获取准确而平滑的全身动作，通过学习大规模动作数据解决实时身体追踪的问题，并通过关节级特征建模和损失函数设计提高精确度和平滑度。在 AMASS 运动数据集和真实捕获数据上的广泛实验验证了设计的有效性，并表明相比现有方法，我们的提出的方法可以实现更准确和平滑的运动。

Aug, 2023

本研究提出一种基于条件扩散模型的新型解决方案 ——AGRoL，旨在根据稀疏的上肢追踪信号准确跟踪全身动作，通过在 AMASS 运动捕捉数据集上的训练和评估，证明我们的模型在预测和平滑全身运动方面优于现有的创新方法。

Apr, 2023

AvatarPoser 是第一个仅使用用户的头部和手部运动输入来预测世界坐标中全身姿势的基于学习的方法，具有较高的准确性和实时操作速度，并能够提供支持 Metaverse 应用的全面性化虚拟人物控制和表现的实用界面。

Jul, 2022

本研究提出了一种利用强化学习、物理模拟器和稀疏传感器数据实时将人类运动重定向到具有不同骨架结构的角色的方法，并仅需要运用运动捕捉数据进行培训，同时探讨了该框架中的重要组件。

Jul, 2023

该论文提出了一个可以从多个非约束帧中重新构建 3D 人物肖像的框架，并设计了一个多级方法来重建隐式的蒙皮场，基于一次前馈生成一个形状与蒙皮的化身，为此贡献了一个包含 400 个主题的大型数据集，该训练模型可以从非约束帧中重建 3D_avatar，并达到最先进的性能水平。

Apr, 2022

本文提出了一种新方法，基于一个稀疏的 RGBD 相机捕获集合来重建 3D 人体模型，重点解决拍摄过程中的姿态变化和遮挡问题，并使用全局非刚性注册和纹理映射优化等步骤来实现。通过实验证明，该方法的性能优异，且具有灵活性和多种潜在应用。

Jun, 2020

本文提出了一种新颖的文本到头像生成方法，分别生成人体和服装，并允许对生成的头像进行高质量的动画。与最近的文本到头像生成方法不同的是，我们的方法将人体、发型和服装分别表示，以克服联合表示方法对编辑或动画等下游任务的挑战。通过提出的 Sequentially Offset-SMPL (SO-SMPL) 模型，我们成功地实现了人体和服装的物理对齐。然后，我们设计了一种基于 Score Distillation Sampling (SDS) 的蒸馏框架，从文本提示生成所提出的 SO-SMPL 表示。与现有的文本到头像方法相比，我们的方法不仅在纹理和几何质量以及与文本提示的语义对齐上取得了更高的性能，还显著提高了角色动画、虚拟试穿和头像编辑的可视质量。

Dec, 2023

该研究提出了一种通过对单视角幅面图像进行重建和动画化的三维头像，通过三个三角面分别捕捉源图像的粗略三维几何，详细外观以及目标图像的表情实现，再通过超分辨率模块的渲染进行填充并通过单向传递网络的高效性进行动画。实验表明，该方法在重建和动画方面优于当前最先进的基线方法，并且对新的验证数据集有很好的泛化能力。

Jun, 2023

SparsePoser 是一种深度学习为基础的解决方案，用于从一组减少的六个跟踪设备中重建全身姿势。该方法在公开可用的动作捕捉数据集上进行了广泛评估，并通过实时演示显示了优于使用 IMU 传感器或 6 自由度跟踪设备的最先进技术，可适用于具有不同身体尺寸和比例的用户。

Nov, 2023