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

我们提出了一种新方法，用于生成松散衣服的时间连续的UV坐标，该方法可以捕捉松散的服装和头发，通过不同类型的可微分管道来学习图像和纹理之间的UV 映射。相对于现有的方法，我们的方法能够减少动画新套装的计算工作量数倍，并且经证实其训练出来的模型输出高质量的UV坐标并适用于新的姿势。

Apr, 2022

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

本研究使用日常照片，提出了一种从中恢复服装缝纫图案的方法，通过构建SewFactory数据集和应用Sewformer网络，实现了有效的缝纫图案恢复，并可以在非正式的人类照片上进行广泛应用。

Nov, 2023

本研究提出了一种创新的虚拟试穿技术，能够在输入人体图像上实现个性化服装的逼真合成。我们的方法具有灵活的样式和纹理条件，并通过明确分离样式和纹理的双阶段流程来解决全服装图像作为条件时的交织挑战。通过提取层次化和平衡的CLIP特征以及在VTON中应用位置编码，我们首次实现了复杂的非平稳纹理，实验结果表明了我们方法在合成质量和个性化方面的卓越表现。样式和纹理的灵活控制为在线购物和时尚设计提供了新的用户体验水平。

Dec, 2023

基于图像的虚拟试穿系统，旨在设计一种新的流程，可以保留服装的静态特征，如纹理和标志，同时生成适应模型姿势和环境的动态元素，先前的研究在生成动态特征方面存在问题，我们提出了一种新的基于扩散的产品级虚拟试穿流程，即PLTON，它可以保留细节丰富的标志和刺绣，同时产生逼真的服装阴影和皱纹。

Jan, 2024

在虚拟试衣领域，我们提出了一种基于纹理保持扩散（TPD）模型的新方法，通过利用空间维度上人体图片和参考服装图片的连接输入扩散模型的去噪UNet，实现了高效准确的纹理迁移，并预测精确的修补掩膜，将掩膜预测和图像合成整合于单一紧凑模型中，显著优于流行的VITON、VITON-HD数据库上的最先进方法。

Apr, 2024

通过添加基于扩散的形变先验来建模衣物的形状，并利用隐式缝合图案（ISP）模型，从不完整的三维点云中恢复三维衣物形状，实验结果表明我们的方法在处理衣物的非刚性变形时具有更高的重建精度。

May, 2024

本研究解决了现有技术在复杂背景下难以准确转移服装纹理的问题。提出的FabricDiffusion方法通过提取无失真、可拼接的纹理材料，并利用去噪扩散模型进行处理，从而在3D服装上实现高质量纹理转移。实验表明，该方法在多种条件下优于现有技术，并能有效推广至未见过的纹理和服装形状。

Oct, 2024

本研究针对现有虚拟试衣方法在高保真试衣中存在的不足，提出了一种新的框架“增强虚拟试衣（BVTON）”，利用大规模非配对学习提高试衣的真实感。通过构建伪试衣配对和创新的组件规范流，实验结果显示该方法在高分辨率数据集上优于现有技术，并且在不同穿着风格和数据源中的通用性和可扩展性表现良好。

Nov, 2024