LAGA: Layered 3D Avatar Generation and Customization via Gaussian Splatting

创造和定制一个3D服装化身从文本描述中是一项关键和具有挑战性的任务。传统方法通常将人体和服装视为不可分割的，限制了用户自由混搭服装的能力。为了应对这种限制，我们提出了LAyered Gaussian Avatar（LAGA），这是一个精心设计的框架，可以创建具有不同服装的高保真可分解化身。通过将服装从化身中分离出来，我们的框架赋予用户方便地在服装层次上编辑化身的能力。我们的方法首先使用一组高斯点来建模化身，这些点按层次结构组织，每层对应一个特定的服装或人体本身。为了为每一层生成高质量的服装，我们引入了一种粗到细的策略用于多样化的服装生成，并且使用了一种新颖的双SDS损失函数来保持生成的服装与化身组件之间的一致性，包括人体和其他服装。此外，我们引入了三种正则化损失来引导高斯点的移动进行服装转移，使得服装可以自由地转移到各种化身上。广泛的实验表明，我们的方法在生成3D服装人物方面优于现有方法。

本论文旨在解决创建和定制3D服装化身的问题，传统方法将人体和服装视为不可分割的，限制了用户自由混搭服装的能力。

LAGA框架通过将服装与化身分离，赋予用户在服装层面上方便地编辑化身的能力。使用高斯点集来建模化身，每个层次对应于特定的服装或人体本身。引入粗到细的策略和新颖的双SDS损失函数生成高质量的服装，并引入三种正则化损失来指导服装转移的高斯点的移动，使服装能够自由地转移到各种化身上。

论文通过实验表明，LAGA方法在3D服装人体生成方面优于现有方法。实验使用了多个数据集，包括人体扫描数据集和服装数据集，并进行了详细的实验设计。此外，论文还开源了代码。

近期在该领域的相关研究包括：'TailorNet: Predicting Clothing in 3D as a Function of Human Pose, Shape and Garment Style'、'Learning to Dress 3D People in Generative Clothing'等。