虚拟数字人生成有着极大的应用价值，有望革新电影、游戏和虚拟现实等多

个产业。在实际应用中，控制生成的虚拟数字人的姿势是一项自然而然的需求。

这种需求推动了两个重要的研究子领域的发展，分别是二维空间上的姿势引导

人体图像生成和三维空间上的姿势可控虚拟数字人生成。本文采用生成对抗网

络（GAN）方法，围绕这两个研究子领域进行研究。

二维空间上，姿势引导的人体图像生成是图像生成的重要子领域。在低分

辨率场景下（256 × 256），现有的姿势引导的人体图像生成方法已经取得重要进

展。目前需要把更多注意力放在高分辨率场景上，比如分辨率 512 × 512。然而，

该领域现有数据集和现有方法都有局限性。对此，本文提出了一个全新数据集

PersonHD，一个大规模的高分辨率的具有复杂人体姿势的人体图像数据集，并

建立了可用于评估现有方法的实验基准。针对高分辨率场景，本文提出了一个

全新的高分辨率人体图像生成框架，包括语义信息引导的人体部件级数据增强、

条件上采样模块、单样本的个性化驱动技巧。实验结果表明，本框架可以生成不

错的高分辨率人体图像。

三维空间上，姿势可控的 3D 数字人生成领域是 3D 生成领域的重要子领域。

生成穿着复杂服装和具有复杂姿态的 3D 虚拟人目前仍是具有极大挑战性的难

题。本文提出了一种方法 PC-GET，用于生成姿势可控的 3D 纹理网格形式的虚

拟数字人。本方法的关键点在于如何使用给定人体姿态形状信息来引导虚拟数

字人的纹理网格生成过程。本文探索了两种方式去使用参数化人体模型的姿势

形状信息，分别是基于人体模型进行神经纹理光栅化得到正交三平面特征和提

取人体模型对应点云特征。第一种方式，本文利用粗糙人体模型将生成的神经纹

理光栅化到三个正交特征平面上，得到光栅化正交三平面特征，从而显示引导了

数字人生成。第二种方式，本文使用粗糙的参数化人体模型对应的点云作为输

入，经过点云处理网络提取隐式特征来引导数字人生成。最后，本文对方法进行

实验评测，实验结果显示本文的方法 PC-GET 能够生成姿态可控的数字人 3D 纹

理网格表示。方法 PC-GET 生成的 3D 数字人纹理网格表示可以直接被 3D 渲染

引擎使用，迅速部署于新的光照场景，因而具有极大的实际应用价值。

本文的研究结果为姿势可控的 2D/3D 数字人人体生成做出了贡献，该成果

可用于虚拟现实、游戏和电影等各个领域。