TELA: Text to Layer-wise 3D Clothed Human Generation

本文探讨了从文本描述生成3D服装人体的任务。以往的研究通常将人体和服装编码为一个整体模型，并在单阶段优化中生成整个模型，这使得它们在服装编辑方面难以应对，同时也失去了对整个生成过程的细粒度控制能力。为了解决这个问题，我们提出了一种分层服装人体表示结合渐进优化策略的方法，它能够产生解耦衣物的3D人体模型，同时为生成过程提供控制能力。基本思想是逐步生成最少穿着衣物的人体和分层服装。在生成服装过程中，提出了一种新的分层合成渲染方法来融合多层人体模型，并使用新的损失函数来帮助解耦服装模型和人体。所提出的方法实现了高质量的解耦，从而为3D服装生成提供了一种有效的方法。广泛的实验表明，我们的方法实现了最先进的3D服装人体生成，同时也支持虚拟试穿等服装编辑应用。项目页面：http://jtdong.com/tela_layer/

本文试图解决从文本描述生成3D穿衣人物的问题，同时提供细粒度控制和服装编辑能力。

本文提出了一种分层穿着人类表示方法和渐进优化策略，通过逐步生成最小穿着的人体和分层服装，生成服装分离的3D人类模型，并提供控制能力。

本文采用新的分层合成渲染方法和新的损失函数来实现服装分离，支持虚拟试穿等服装编辑应用。实验结果表明，该方法在3D穿衣人物生成方面达到了最先进的水平，同时支持服装编辑应用。

最近的相关研究包括：1. DeepFashion2数据集；2. 3D人体重建和渲染技术；3. 基于GAN的3D服装生成技术。