可动画化虚拟人：在 UV 空间中学习姿态相关人体表示，用于交互式表演合成

基于摘要分析。该研究面向 3D 应用中的虚拟人动画与渲染，提出在 SMPL 的一致 UV 空间中学习姿态相关外观和几何的表示方法，目标是支持高真实感的实时交互式表演合成。 方法以多视角视频重建得到的高精度动态网格序列为学习材料。直接学习人体的绝对姿态相关几何，需要同时处理复杂体形与关节运动；作者利用统计人体模型 SMPL 提供的先验来约束搜索空间，并定义姿态依赖关系。其关键设计不是直接预测绝对几何，而是学习观测几何与拟合 SMPL 模型之间的差异，再将姿态相关外观及几何编码到 SMPL 的一致 UV 空间中。 这一设计将已有身体模型承担的结构描述与需要学习的几何差异分开，是摘要中可明确识别的方法贡献。作者报告，该表示能够保持较高真实感，并简化实时场景中的处理与渲染流程；但摘要未提供渲染速度、视觉质量指标、对照基线或具体评估协议，尚不能量化这些效果。 复现时需核对动态网格数据的获取与精度、SMPL 拟合过程、UV 编码方式，以及姿态相关外观和几何的训练与推理实现。网络结构、损失函数、数据规模、划分、消融及统计信息尚未验证。本文主要研究对象是虚拟人体表示，不是 EEG 解码或 BCI 算法；现有材料未提供与神经信号任务的具体机制对应，因此不据此提出 BCI 迁移效果或复现实验建议。