FabricDiffusion：基于自然衣物图像的3D服装高保真纹理转移

Oct, 2024

FabricDiffusion：基于自然衣物图像的3D服装高保真纹理转移

FabricDiffusion: High-Fidelity Texture Transfer for 3D Garments Generation from In-The-Wild Clothing Images

Cheng Zhang, Yuanhao Wang, Francisco Vicente Carrasco, Chenglei Wu, Jinlong Yang...

TL;DR本研究解决了现有技术在复杂背景下难以准确转移服装纹理的问题。提出的FabricDiffusion方法通过提取无失真、可拼接的纹理材料，并利用去噪扩散模型进行处理，从而在3D服装上实现高质量纹理转移。实验表明，该方法在多种条件下优于现有技术，并能有效推广至未见过的纹理和服装形状。

Abstract

We introduce FabricDiffusion, a method for transferring fabric textures from a single clothing image to 3D Garments of arbitrary shapes. Existing approaches typically synthesize textures on the garment surface through 2D-to-3D texture mapping or depth-aware inpainting via generative mo

发现论文，激发创造

学习将服装图像的纹理转移到3D人体模型

提出一种将服装图像的纹理自动转移到穿着在人体模型上的3D服装的方法，并在不需要纹理信息的情况下实现，速度比传统方法更快，从而实现了更准确的模型，这为虚拟试穿等应用提供了新的途径。

Mar, 2020

Cloth2Tex: 自定义三维虚拟试穿的布料纹理生成流程

利用称为Cloth2Tex的自监督方法生成高质量纹理地图，该方法消除了传统基于变形的纹理生成方法中手动选择控制点的繁琐过程，并结合潜在扩散模型实现高保真度纹理修复，该方法相比其他方法具有最佳视觉效果。

Aug, 2023

DeepIron: 从单张图片预测无扭曲的服装纹理

该论文介绍了一种从图像中实现3D服装的逼真重建的方法，通过一种基于图像纹理的新框架，使用姿势信息从单张图像中生成3D服装的纹理图像，验证了该方法的有效性，并提供了一个大型数据集，对未来的服装纹理重建和合成研究具有重要参考价值。

Oct, 2023

产品级试穿：保持特征的试穿，还原真实服装色调和皱纹

基于图像的虚拟试穿系统，旨在设计一种新的流程，可以保留服装的静态特征，如纹理和标志，同时生成适应模型姿势和环境的动态元素，先前的研究在生成动态特征方面存在问题，我们提出了一种新的基于扩散的产品级虚拟试穿流程，即PLTON，它可以保留细节丰富的标志和刺绣，同时产生逼真的服装阴影和皱纹。

Jan, 2024

服装3D生成：3D服装风格化与纹理生成

我们介绍了Garment3DGen，一种从基础网格中合成3D服装资产的新方法，通过单个输入图像作为指导，用户可以根据真实和合成图像生成3D纹理服装。使用Garment3DGen，用户可以生成所需的纹理3D服装而无需艺术家干预。

Mar, 2024

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

GarmentDreamer: 基于3DGS的服装合成与多样几何纹理细节

本研究提出了一种名为GarmentDreamer的新型方法，它利用3D高斯喷雾（GS）作为指导，从文本提示中生成适用于仿真的3D服装网格。与使用由生成模型直接预测的多视图图像作为指导相比，我们的3DGS指导确保了服装变形和纹理合成的一致优化。通过全面的定性和定量实验证明了我们方法的有效性，并展示了GarmentDreamer相对于现有最先进方法的卓越性能。

May, 2024

基于模式引导的真实视频服装纹理UV恢复

我们提出了一种基于图案的方法，通过从服装图案中检测的离散对应关系，使用融合权重的多层感知器（MLPs）驱动的逐像素UV回归模块，对捕获的真实视频进行UV和着色恢复，从而实现服装纹理的自动替换，我们的方法在不同类型的服装、复杂光照和具有挑战性动作下表现稳健，与基础线方法相比，在纹理替换上取得了明显的定性和定量改进，通过一键设置，我们期望我们的方法为时尚电子商务的发展做出贡献。

Jul, 2024

FashionR2R：基于扩散模型的纹理保留渲染到真实图像翻译

本研究解决了渲染与真实图像之间的转换中缺乏真实感和可控性的问题。通过引入一种新的框架，包括领域知识注入和真实图像生成两个阶段，采用正负领域微调技术来提升图像质量。实验结果表明，该方法在纹理保留和生成真实图像方面具有显著优势。

Oct, 2024

GarVerseLOD：基于细节等级数据集的单幅真实图像高保真3D服装重建

本研究解决了当前服装重建技术在处理复杂布料变形和身体姿态时的泛化能力不足的问题。我们提出GarVerseLOD，一个新颖的数据集和框架，通过收集6000个高质量的服装模型，采用细化的几何层次提升了重建的精度和鲁棒性。实验结果表明，GarVerseLOD在真实图像中的服装重建质量显著优于前沿方法，具有重要的应用潜力。

Nov, 2024