May, 2024

服装裁剪技术比较研究

PDF
TL;DR通过对服装在人体上的多种披肩方法进行比较研究，我们评估了用于 3D 时尚设计、虚拟试穿和动画的流行技术。我们比较了基于物理和机器学习的技术、碰撞处理等多种模型的服装披肩方法，并讨论了性能评估和权衡，以确保在选择最适合的方法时做出明智的决策。这些方法旨在准确表示数字服装的变形和细微褶皱，考虑数据需求和效率等因素，以产生逼真的结果。该研究对于研究人员、设计师和开发人员在可视化多层 3D 服装方面具有启发性。
发现论文，激发创造
  • ISP: 多层服装褶皱设计与隐式缝合图案

    本文介绍一种参数化服装表示模型，它可以处理多层服装，并且使用 2D 和 3D 参数化定义服装形状来实现不同 iability，这种组合比纯隐式表面表示更快，重建结果更高质量，并且支持通过修改 2D 面材质实现快速编辑服装形状。

    May, 2023

  • DIG: 在人体上覆盖隐式服装

    我们提出了一种使用隐式曲面表示衣服、学习受关节体模型形状和姿势参数影响的蒙皮场的端到端可微管道来处理任意拓扑衣物的方法，并提出了一种防止体 - 衣物相互穿插和减少艺术品的预处理策略和新的训练损失。经实验证明，我们的方法相比于现有的方法，可以更准确地重建和变形服装，并且可以通过图像观测共同恢复身体和服装参数。

    Sep, 2022

  • 虚拟试穿服装的基于学习的动画

    本文提出了一种基于学习的服装动画方法，用于高效的虚拟试穿模拟，其中使用了基于物理的模拟，基于数据库的模型训练，并将全局服装吻合和局部服装皱纹分离。同时，使用循环神经网络来回归服装皱纹，实现了高度逼真的非线性效果。

    Mar, 2019

  • 如何披挂？从深度图像中捕捉织物力学特性

    本文提出了一种使用深度相机的非正式捕捉装置来估计织物的机械参数的方法，并通过使用 sim-to-real 策略训练学习框架来输出全部机械参数，与现有的成本高的捕捉方法相比，本文提出的解决方案可以快速捕捉并大规模生产。

    Apr, 2023

  • 多层不可见服装披肩网络

    本文提出了一种针对多层服装的模型，通过映射其在人体模型的 UV 贴图上，将其拓扑结构独立化处理，并加入了基于 GNN 的网络，实现不同层次间的互动关系建模，从而成功实现了对真实服装重建的高性能模拟。

    Apr, 2023

  • GAPS: 基于几何意识、基于物理的自监督神经服装披肩

    通过引入几何约束和基于物理的模型，本文解决了现有方法中的不逼真的问题，并提出了适用于所有服装类型的几何感知的服装皮肤方法。

    Dec, 2023

  • 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

  • 从单视图图像中详细恢复服装

    本研究提出了一种从单张照片中生成人体服装真实 3D 模型的算法，该算法可以还原出服装的全局形态、几何信息和细节，结合参数估计、语义分析和物理模拟等技术，可应用于虚拟试穿、服装转化、数字人物的服装动画等领域。

    Aug, 2016

  • 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

  • 多层 3D 服装动画

    本文提出了一种名为 LayersNet 的数据驱动方法来对多层服装进行建模并以微物理系统中的粒子相互作用为驱动，引入一种新的旋转等效变换以更好地模拟外部力，最终通过一个包含 700K 帧的数据集 D-LAYERS 进行验证并展示出优异的表现。

    May, 2023