基于分层表征的部件解耦着装虚拟人生成

基于摘要分析。该研究针对着装虚拟人生成中身体、头发与服装等部件难以解耦的问题，提出 LayerAvatar，将分层 UV 特征平面表征与单阶段扩散模型结合，以生成可分离、可控制的虚拟人部件。其主要研究对象是数字虚拟人的三维生成、渲染与动画，而非 EEG/BCI 信号建模。 核心机制是将各部件分配到基于 Gaussian 的 UV 特征平面的不同层，并配置对应语义标签，以在表征层面区分组成部分。作者称该表征支持高分辨率、实时渲染，以及可控姿态和面部表情动画。在生成阶段，研究训练单阶段扩散模型，并引入约束项应对最内层人体受到严重遮挡的问题；摘要未给出约束项的具体形式、监督来源或训练与推理细节。作者将 LayerAvatar 称为首个基于前馈扩散的部件解耦着装虚拟人生成方法，该优先性主张尚未独立核验。 作者报告，实验展示了部件解耦着装虚拟人的生成效果，并进一步探索部件迁移应用。但摘要未提供数据集、划分协议、对照方法、定量指标或运行硬件，因而尚不能核实生成质量、解耦程度及实时性能的具体边界。实验协议、消融及统计信息尚未验证。材料提供了项目页，但代码、模型权重及完整复现条件尚未验证。当前材料未呈现可直接对应 EEG 瓶颈的方法路径，不据此推断其具有 BCI 有效性。