重审“数字人即图像”：高保真配准打通 2D 生成模型与 3D 人体

将3D穿衣人体表示为基础人体模型上的标准化2D UV纹理和位移图，长期以来一直备受研究。这种紧凑的表示极具吸引力，因为它使预训练的图像网络能够处理、生成和编辑3D数字人；但其前提是通过高保真配准将扫描数据精确对齐并建立对应关系，否则便失去实用价值。这一先决条件此前从未得到满足，我们认为这正是以往基于UV的穿衣人体方法质量受限的原因。尽管其重要性不言而喻，但目前尚无公开方法能够从任意穿衣扫描数据中生成带有UV纹理的高保真SMPL(-X)+D配准结果。为此，我们提出了多阶段优化管线AvaImg来填补这一空白：它通过符号环绕数施加“身体位于衣服内部”的约束，并通过三级效率级联（运行时间缩短约10倍，存储空间节省约95%）使其切实可行；同时采用由粗到细的位移优化来恢复精细的表面细节。AvaImg在六个数据集上的身体拟合、形状估计和表面配准方面均优于所有基线方法，生成的带纹理配准结果与扫描数据几乎难以区分（PSNR=34.48dB）。为验证AvaImg的“数字人即图像（Avatar-as-Image）”表示与图像基座模型的即时兼容性，我们通过冻结的FLUX VAE对UV图进行了自动编码。相比扫描数据，这一过程仅增加了0.76毫米的倒角误差，并表明生成的贴图处于自然图像分布之内，从而支持利用2D生成先验进行3D数字人生成。代码、数据和Singularity容器将发布于 https://yuxuan-xue.com/avaimg。