本文介绍了多种基于神经网络的布料模拟方法，如NeuralClothSim、DeepCloth和GarNet。这些方法利用深度学习技术克服了传统布料模拟的空间、时间和存储限制，提高了服装数字化、虚拟试穿和动画效果的灵活性与精确度，展现了在服装建模和动态预测方面的潜力。

该文综述了从图像或3D扫描中重建着装人体形状与姿态的研究进展，涵盖姿态不变形状空间、单图人体几何预测、点云服装建模、Cloth2Body从服装图像生成3D人体网格，以及单图高保真服装化身重建，并比较了舞蹈场景中多帧与单帧姿态估计效果。

本文综述文本驱动的3D人体生成技术进展，涵盖基于扩散模型的分层生成框架、从2D图像重建逼真3D人物、CAPE服装生成模型、分层曲面体积表示、可微分渲染动态化身、多视角衣物建模、3D GAN辐射场、少样本生成、点云服装变形及3D高斯喷洒快速动画化身等方法。