本文介绍了一种名为SMPLicit的新生成模型，该模型可以联合表示人体姿态、形状和服装几何结构。与现有的基于学习的方法不同，这些方法需要为每种类型的衣物训练特定的模型，而SMPLicit能够以统一的方式表示不同的衣物拓扑结构（例如无袖上衣、连帽衫和敞开式夹克），同时控制其他属性如衣物尺寸或紧身/宽松程度。我们展示了该模型适用于多种类型的衣物，包括T恤、连帽衫、夹克、短裤、长裤、裙子、鞋子甚至头发。SMPLicit的表示灵活性建立在隐式模型的基础上，该模型以SMPL人体参数为条件，并结合了一个可学习的潜在空间，这个潜在空间具有语义解释性和与服装属性对齐的特点。所提出的模型是完全可微分的，这使得它可以被集成到更大的端到端可训练系统中。在实验部分，我们证明了SMPLicit可以方便地用于拟合3D扫描数据和从穿着衣物的人体图像中进行3D重建。在这两种情况下，我们都能超越现有技术水平，通过检索复杂的衣物几何结构、处理多层衣物的情况并提供一个易于编辑的着装工具。为了进一步推动这一领域的研究，我们将公开发布我们的代码和模型，网址为http://www.iri.upc.edu/people/ecorona/smplicit/。