DAMA：用于可控多层化身的解耦躯干高斯体
计算机视觉与模式识别
2026-05-21 v1
摘要
现有的3D衣物化身重建方法在视觉保真度上取得高水平，但忽略了几何结构和物理可行性。它们要么将衣物化身建模为单一可变形表面，要么尝试进行衣物解耦但未强制几何约束，导致衣物边界模糊且无法控制堆叠或层次排序。为此，我们引入DAMA（Disentangled body-Anchored Gaussians for Controllable Multi-layered Avatars），一种能够通过专门的表示和重建方法生成物理上可行衣物化身的3D化身重建方法。在表示层面，我们通过双线性平面坐标和正向法向偏移将高斯体绑定到SMPL-X面上。基于此参数化，重建方法将2D分割提升为躯干锚定高斯体，利用拓扑引导的校正来优化层次，并联合优化几何和外观。DAMA是首个从多视角图像重建高斯体化身的方法，实现了物理上可行的层次化、干净的衣物分离以及显式的堆叠控制。在82个扫描的完整4D-DRESS数据集上，它在几何重建、衣物分离、穿透率和穿透深度方面实现了最佳性能。该表示进一步支持用户定义的衣物重排序以及将贴身衣物快速转换为仿真就绪网格。项目页面：https://danieleskandar.github.io/dama/
引用
@article{arxiv.2605.21001,
title = {DAMA: Disentangled Body-Anchored Gaussians for Controllable Multi-Layered Avatars},
author = {Daniel Eskandar and Berna Kabadayi and Garvita Tiwari and Gerard Pons-Moll},
journal= {arXiv preprint arXiv:2605.21001},
year = {2026}
}