Gaussian Wardrobe：自由式虚拟试穿用的组合式 3D 高斯化身

我们提出 Gaussian Wardrobe，一个用于从多视角视频数字化组合式 3D 神经化身的新型框架。现有方法通常将人体与服装视为不可分割的实体，然而这一范式无法捕捉复杂自由形式服 garments 的动态特性，也限制了服装在不同个体间的复用。为克服这些问题，我们开发了一种新的组合式 3D 高斯表示方法，从多个自由形式服 garments 层构建化身。本方法的核心在于将神经化身分解为躯干和形状无关的神经服 garments 层。为实现此目标，框架学习如何从多视角视频中解耦每个服 garment 层并将其标准化到与形状无关的空间中。实验中，我们的方法实现了高保真动态的照片级化身，在新姿态合成基准测试中取得了新的最佳性能。此外，我们展示了所学的组合式服 garments 对于灵活的数字衣橱具有贡献，使可实用的虚拟试穿应用得以实现，其中可将服装自由转移至新主体。