本研究提出了一种基于人体对齐的3D可穿戴资产生成方法（BAG），有效解决了现有模型在自动生成可穿戴3D资产方面的不足。该方法利用人体形状和姿势信息控制生成过程，实验结果表明其在形状多样性和质量上优于现有技术。

本研究提出了多种新方法，通过深度学习和运动学模型，从2D图像和3D扫描中恢复个性化人体形状和姿态。新开发的姿态校准和网格恢复技术显著提升了三维重建的效果和准确性。模型SHAPY和PMCE在多个基准测试中表现优异，展示了在时尚和动画领域的应用潜力。

SiTH是一种新的流程，将图像扩散模型与3D网格重建相结合，推断未知的人体形状、服装和纹理信息。该方法生成逼真、带纹理的3D人体。

该文介绍了一种新颖的人体模型，通过人体测量数据生成各种人体形状和姿势。该模型使用深度生成架构，能够在任意姿势下生成人体，并提供高度准确的人体网格表示和精确测量。通过多样的动画库对合成人体进行描述，以增加模型训练的多样性。该模型使用10万个程序生成的姿势人体网格进行训练，并可用于生成数百万个独特的人体身份和姿势。