NeurIPS2023，这是一种用于 3D 人体生成的体积基元扩散模型，可通过离体拓扑实现明确的姿势、视图和形状控制。
PrimDiffusion对一组紧凑地代表 3D 人体的基元执行扩散和去噪过程。这种生成建模可以实现明确的姿势、视图和形状控制，并能够在明确定义的深度中对离体拓扑进行建模。此外，他们的方法可以推广到新的姿势，无需后处理，并支持下游以人为中心的任务，如 3D 纹理传输。
将 3D 人体表示为从多视图图像中学习到的 K 个基元。每个基元 V k 具有独立的运动学参数{T k、 R k、 s k}（平移、旋转和预运动）轴比例）和辐射参数{c k, σ k}（颜色和密度）。对于每个时间步 t，他们使用根据固定噪声时间表采样的噪声 ϵ 来扩散基元 V 0。得到的 V t 被馈送到 g Φ （·），它学习预测去噪体积基元。
