DressRecon est une méthode permettant de reconstruire des modèles 4D du corps humain cohérents dans le temps à partir de vidéos monoculaires, en se concentrant sur la gestion de vêtements très amples ou d'interactions avec des objets tenus à la main. Cette technique combine des connaissances a priori générales sur le corps humain (apprises à partir de données d'entraînement à grande échelle) et une déformation spécifique du « sac osseux » pour chaque vidéo (ajustée par optimisation au moment des tests). DressRecon sépare la déformation du corps et des vêtements en apprenant un modèle implicite neuronal, sous forme de couches de modèles de mouvement distinctes. Afin de capturer les formes géométriques subtiles des vêtements, elle utilise des connaissances a priori basées sur l'image, telles que la pose du corps, les normales de surface et le flux optique, ajustées pendant le processus d'optimisation. Le champ neuronal généré peut être extrait en maillages cohérents dans le temps, ou encore optimisé en gaussiennes 3D explicites pour améliorer la qualité du rendu et permettre une visualisation interactive. DressRecon offre une fidélité de reconstruction 3D supérieure aux techniques précédentes sur des ensembles de données contenant des déformations de vêtements et des interactions avec des objets très complexes.