Jan, 2022

NeuralTailor：从服装的 3D 点云中重建缝纫图案结构

PDF
TL;DR该研究论文介绍了使用服装缝合图案和面向点的注意力模型 NeuralTailor，来解决在 SocialVR、表演捕捉和虚拟试衣等领域中，虚拟世界中真实服装重建的挑战。
socialvrperformance capturevirtual try-ongarment sewing patternneuraltailor
发现论文，激发创造
  • 从单张图像进行服装裁剪图案重建

    本研究使用日常照片，提出了一种从中恢复服装缝纫图案的方法，通过构建 SewFactory 数据集和应用 Sewformer 网络，实现了有效的缝纫图案恢复，并可以在非正式的人类照片上进行广泛应用。

    Nov, 2023

  • TailorNet：利用人体姿势，形状和服装风格预测 3D 服装模型

    TailorNet 是一个用于预测三维服装变形的神经模型，它综合考虑了服装的姿态、形状和风格等因素，同时保留了皱纹细节。该模型采用了分解变形模型的方法，通过低频和高频组合预测服装形变，并且相比之前的模型，TailorNet 可以更快地提供更加真实的结果。

    Mar, 2020

  • SPnet：从单张图像估计服装缝制图案

    从单张图像中重建三维服装模型的一种新方法，通过推断单张图像中的缝制图案来获得服装的基本形状，然后使用物理模拟来生成能够适应任意姿势的三维服装。

    Dec, 2023

  • Deep Fashion3D: 从单张图像重建三维服装的数据集与基准测试

    Deep Fashion3D 是迄今为止最大的 3D 服装模型集合，包含 2078 个模型和丰富的注释信息，并引入了一种新的单视角服装重建方法。

    Mar, 2020

  • 受控形变先验下的服装篡改重构

    通过添加基于扩散的形变先验来建模衣物的形状，并利用隐式缝合图案（ISP）模型，从不完整的三维点云中恢复三维衣物形状，实验结果表明我们的方法在处理衣物的非刚性变形时具有更高的重建精度。

    May, 2024

  • DeepCloth: 基于神经网络的服装表征方法用于形状和风格编辑

    本文提出了 DeepCloth，它是一个针对服装表示、重建、动画和编辑的统一框架，它包含了三个组件：拓扑感知的 UV 位置图、连续特征空间中的嵌入和服装动画方法。这个方法可以实现更加灵活、通用的 3D 服装数字化框架。

    Nov, 2020

  • 动态神经服

    本文介绍了一种解决数字化人物着装的解决方案，该方案可以通过神经网络在测试时直接生成逼真的动态服装图像序列，以解决现有工作流程中重复性高且耗时的问题，并且可以在新的身体形状和背景图像下进行微调，并提供了与现有神经渲染和图像序列转换方法的定量比较。

    Feb, 2021

  • 基于 RGB 图像的三维虚拟服装建模

    本文提出了一种新颖的方法，可以从照片中构建 3D 虚拟服装模型，通过利用多任务学习网络 JFNet 以及语义部件来提取颜色纹理信息，进行虚拟现实和混合现实的应用。

    Jul, 2019

  • 学习共享形状空间进行多模式服装设计

    该研究提出了一种数据驱动的方法，用户可以通过简单的草图指示所需的褶皱图案，从而快速生成针对不同身体形状的服装，并且不需要在设计时运行服装模拟。

    Jun, 2018

  • Dress-Me-Up: 一个用于自监督三维服装再定位的数据集和方法

    我们提出了一种新颖的自监督框架，用于在任意形状和姿势的三维人体化身上重定向非参数化的三维服装，实现三维虚拟试穿。我们引入了基于 Isomap 嵌入的对应匹配方法，以获得两个网格之间的粗略对齐，并在自监督环境下进行精细对齐的神经改进。此外，我们利用 Laplacian 细节整合方法来保留输入服装的内在细节，通过使用包含 255 种真实噪声和拓扑变形的真实世界服装数据集来评估我们的三维非参数化服装重定向框架，并展示了其在非参数化服装和人体化身上优于现有最先进方法的重定向质量，在该数据集上作为非参数化三维服装重定向的首个基准。

    Jan, 2024