姿势、眼神、面部表情、手势等，统称为“肢体语言”，一直是许多学术研究的课题。准确记录、解读和创建非言语信号可以极大地增强遥感、增强现实（AR）和虚拟现实（VR）环境中人物形象的逼真程度。
现有的最先进的人物形象模型，如SMPL系列中的模型，可以正确地描绘出逼真姿势中不同的人体形态。然而，它们受到其使用的基于网格的表示和3D网格质量的限制。此外，这类模型通常只模拟裸体，不包含服装和头发，从而降低了结果的逼真度。
他们介绍了X-Avatar，这是一种创新模型，可以在数字化人物形象中捕捉到人类表情的完整范围，以创建逼真的遥感、增强现实和虚拟现实环境。X-Avatar是由瑞士苏黎世联邦理工学院（ETH Zurich）和微软（Microsoft）研究人员开发的一种富有表现力的隐式人类人物模型。它可以捕捉高保真度的人体和手部动作、面部情绪和其他外貌特征。该技术可以从完整的3D扫描或RGB-D数据中学习，生成身体、手部、面部情绪和外貌的综合模型。
研究人员提出了一种部位感知的学习前向蒙皮模块，可以通过SMPL-X参数空间控制，实现X-Avatar的富有表现力的动画。研究人员提出了独特的部位感知采样和初始化算法，以有效地训练神经形状和变形场。研究人员通过一个纹理网络，根据位置、面部表情、几何形状和变形表面的法线来增强几何和变形场，以捕捉具有高频细节的人物外貌。这样可以提高细小身体部位的保真度，同时在关节骨骼数量增加的情况下保持训练的有效性。研究人员凭经验证明，该方法在动画任务上相对于强基线模型在数据领域和质量方面取得了更优秀的定量和定性结果。
研究人员提出了一个名为X-Humans的新数据集，其中包含来自20个受试者的233个高质量纹理扫描序列，共计35,500个数据帧，以促进对表达人物形象的研究。X-Avatar提供了一种以关节神经隐式表面为特征的人体模型，适应着穿着衣物的个体的多样拓扑结构，并实现了更好的几何分辨率和整体外貌的保真度。研究的作者定义了三个不同的神经场：一个用于使用隐式占据网络建模几何形状，另一个用于使用学习的前向线性混合蒙皮（LBS）建模变形，具有连续的蒙皮权重，第三个用于使用RGB颜色值建模外貌。
X-Avatar模型可以接受3D姿势扫描或RGB-D图像进行处理。其设计的一部分包括一个用于在规范空间中建模几何形状的塑形网络，以及一个使用学习的线性混合蒙皮（LBS）建立规范和变形区域之间对应关系的变形网络。
研究人员从SMPL-X的参数空间开始，这是一种捕捉全身人物形状、外貌和变形的SMPL扩展，特别关注手部位置和面部情绪，以生成富有表现力和可控的人类人物形象。以关节神经隐式表面来描述人体模型，代表着穿着衣物的个体的各种拓扑结构。同时，一种独特的部位感知初始化方法通过提高对细小身体部位的采样率，极大地增强了结果的逼真度。
结果表明，X-Avatar可以准确记录人体和手部姿势，以及面部情绪和外貌，从而可以创造出更具表现力和逼真的人物形象。这个倡议的团队衷心希望他们的方法可以激发更多的研究，赋予人工智能更多的个性。
使用的数据集
高质量纹理扫描和SMPL[-X]注册；20个受试者；233个序列；35,427个帧；身体姿势+手势+面部表情；各种服装和发型选择；各个年龄段
特点
- 有几种方法可以教授X-Avatars。
- 训练中使用的3D扫描图像，右上方。底部：测试姿势驱动的人物形象。
- 教学目的使用的RGB-D信息，顶部。测试姿势的人物形象表现较差。
- 该方法在动画测试中恢复了更好的手部灵活性和面部表情，超过了其他基线模型。这导致使用PyMAF-X从单眼RGB影片中恢复的运动进行动画化的X-Avatars。
限制
X-Avatar在模拟露肩上衣或裤子（例如，裙子）时存在困难。然而，研究人员通常只对每个主题训练一个模型，因此他们在单个个体之外的泛化能力仍然需要扩展。
贡献
- X-Avatar是第一个全面捕捉身体姿势、手势、面部情绪和外观的富有表现力的隐式人类化身模型。
- 考虑底层结构的初始化和采样过程提高了输出质量并保持了训练效率。
- X-Humans是一个全新的数据集，包含20个人的233个序列，总共有35,500帧高质量纹理扫描，显示了各种身体、手势和面部情绪。
X-Avatar在捕捉身体姿势，手势，面部情绪和整体外观方面无与伦比。研究人员使用最近发布的X-Humans数据集展示了该方法的效果。