DAMA: Disentangled Body-Anchored Gaussians for Controllable Multi-Layered Avatars

📄 arXiv: 2605.21001v1 📥 PDF

作者: Daniel Eskandar, Berna Kabadayi, Garvita Tiwari, Gerard Pons-Moll

分类: cs.CV

发布日期: 2026-05-20

🔗 代码/项目: PROJECT_PAGE

💡 一句话要点

提出DAMA，通过解耦的身体锚定高斯模型实现可控的多层服装人体重建。

🎯 匹配领域: 支柱四：生成式动作 (Generative Motion) 支柱六：视频提取与匹配 (Video Extraction)

关键词: 3D人体重建 服装建模 高斯模型 解耦表示 物理合理性

📋 核心要点

  1. 现有服装人体重建方法缺乏几何结构和物理合理性，难以控制服装图层和避免穿透问题。
  2. DAMA通过将高斯模型锚定到SMPL-X身体表面，并结合拓扑引导的图层校正，实现物理上合理的多层服装建模。
  3. DAMA在4D-DRESS数据集上实现了最先进的几何重建、服装分离和穿透率，并支持服装重新排序和快速网格转换。

📝 摘要（中文）

现有的3D服装人体重建方法虽然实现了高视觉保真度，但忽略了几何结构和物理合理性。它们要么将服装人建模为单个可变形表面，要么试图在没有强制几何约束的情况下进行服装解耦，导致服装边界模糊，无法控制堆叠或图层顺序。为了解决这些限制，我们引入了DAMA（Disentangled body-Anchored Gaussians for Controllable Multi-layered Avatars），这是一种3D人体重建方法，通过专门的表示和重建方法生成物理上合理的可穿戴服装的人体模型。在表示层面，我们使用重心平面坐标和正法线偏移将高斯模型绑定到SMPL-X面部。基于这种参数化，重建方法将2D分割提升为身体锚定的高斯模型，使用拓扑引导校正来细化图层，并联合优化几何和外观。DAMA是第一个从多视图图像实现物理上合理的分层、干净的服装分离和显式堆叠控制的高斯人体模型重建方法。在完整的4D-DRESS数据集（82个扫描）上，它在几何重建、服装分离、穿透率和穿透深度方面实现了最先进的性能。该表示还支持用户定义的服装重新排序，并将符合身体的服装快速转换为可用于仿真的网格。

🔬 方法详解

问题定义：现有3D服装人体重建方法主要存在两个痛点：一是忽略了几何结构和物理合理性，导致重建的服装模型不真实；二是服装解耦不彻底，服装边界模糊，无法控制服装的堆叠顺序，容易出现穿透现象。

核心思路：DAMA的核心思路是将服装建模为一系列解耦的、身体锚定的高斯模型。通过将高斯模型与SMPL-X身体模型绑定，并利用拓扑信息进行图层校正，可以有效地解决服装穿透和图层控制问题。这种方法既保证了几何结构的合理性，又实现了服装的精细解耦。

技术框架：DAMA的整体框架包括以下几个主要阶段：1) 高斯模型绑定：使用重心坐标和法线偏移将高斯模型绑定到SMPL-X身体表面。2) 2D分割提升：将2D图像分割信息提升到3D空间，初始化身体锚定的高斯模型。3) 拓扑引导的图层校正：利用拓扑信息对服装图层进行校正，避免穿透现象。4) 联合优化：联合优化几何和外观，得到最终的3D服装人体重建结果。

关键创新：DAMA的关键创新在于其解耦的身体锚定高斯模型表示。这种表示方法能够有效地将服装与身体解耦，同时保持几何结构的合理性。此外，DAMA还引入了拓扑引导的图层校正方法，进一步提高了服装重建的质量和物理合理性。与现有方法相比，DAMA能够实现更干净的服装分离、更精确的图层控制和更低的穿透率。

关键设计：DAMA的关键设计包括：1) 使用SMPL-X作为身体先验，提供准确的身体形状和姿态信息。2) 使用高斯模型作为服装的基本表示单元，能够灵活地表示各种复杂的服装形状。3) 设计了专门的损失函数，用于优化高斯模型的参数，包括位置、旋转、缩放和颜色等。4) 拓扑引导的图层校正模块利用服装的拓扑结构信息，对高斯模型进行调整，避免穿透现象。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

DAMA在4D-DRESS数据集上取得了显著的性能提升，在几何重建、服装分离、穿透率和穿透深度等指标上均达到了最先进水平。具体而言，DAMA能够实现更干净的服装分离，显著降低服装穿透率，并支持用户自定义服装图层顺序。实验结果表明，DAMA是一种有效的3D服装人体重建方法，具有很强的实用价值。

🎯 应用场景

DAMA技术可应用于虚拟现实、增强现实、游戏、电商等领域。例如，在虚拟试衣应用中，用户可以快速生成自己的3D服装模型，并尝试不同款式的服装。在游戏开发中，可以利用DAMA技术创建更加逼真和可定制的角色形象。此外，DAMA还可以用于服装设计和仿真，帮助设计师快速验证设计方案，并生成可用于生产的3D模型。

📄 摘要（原文）

Existing 3D clothed avatar reconstruction methods achieve high visual fidelity but ignore geometric structure and physical plausibility. They either model clothed humans as a single deformable surface or attempt garment disentanglement without enforcing geometric constraints, resulting in ambiguous garment boundaries and no control over stacking or layer ordering. To address these limitations, we introduce DAMA (Disentangled body-Anchored Gaussians for Controllable Multi-layered Avatars), a 3D avatar reconstruction method that produces physically plausible clothed avatars through a dedicated representation and reconstruction method. At the representation level, we bind Gaussians to SMPL-X faces using barycentric in-plane coordinates and a positive normal offset. Based on this parameterization, the reconstruction method lifts 2D segmentations to body-anchored Gaussians, refines layers using topology-guided correction, and jointly optimizes geometry and appearance. DAMA is the first Gaussian avatar reconstruction method from multi-view images to achieve physically plausible layering, clean garment separation, and explicit stacking control. On the full 4D-DRESS dataset (82 scans), it achieves state-of-the-art performance in geometry reconstruction, garment separation, penetration rate, and penetration depth. The representation further supports user-defined garment reordering and fast conversion of body-conforming garments to simulation-ready meshes. Project Page: https://danieleskandar.github.io/dama/