論文の概要: PersonalTailor: Personalizing 2D Pattern Design from 3D Garment Point Clouds

• arxiv url: http://arxiv.org/abs/2303.09695v2
• Date: Fri, 11 Aug 2023 20:07:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-15 22:07:13.751477
• Title: PersonalTailor: Personalizing 2D Pattern Design from 3D Garment Point Clouds
• Title（参考訳）: PersonalTailor: 3Dガーメントポイントクラウドから2Dパターンをパーソナライズ
• Authors: Sauradip Nag, Anran Qi, Xiatian Zhu and Ariel Shamir
• Abstract要約: ガーメントパターン設計は、3D衣服を対応する2Dパネルとその縫製構造に変換することを目的としている。 PersonalTailorはパーソナライズされた2Dパターン設計方法であり、ユーザーは特定の制約や要求を入力できる。 まず、教師なしのクロスモーダルアソシエーションと注意融合に基づいて、マルチモーダルパネルの埋め込みを学習する。 次に、トランスフォーマーエンコーダ-デコーダフレームワークを使用して、個別にバイナリパネルマスクを予測する。
• 参考スコア（独自算出の注目度）: 59.617014796845865
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Garment pattern design aims to convert a 3D garment to the corresponding 2D panels and their sewing structure. Existing methods rely either on template fitting with heuristics and prior assumptions, or on model learning with complicated shape parameterization. Importantly, both approaches do not allow for personalization of the output garment, which today has increasing demands. To fill this demand, we introduce PersonalTailor: a personalized 2D pattern design method, where the user can input specific constraints or demands (in language or sketch) for personal 2D panel fabrication from 3D point clouds. PersonalTailor first learns a multi-modal panel embeddings based on unsupervised cross-modal association and attentive fusion. It then predicts a binary panel masks individually using a transformer encoder-decoder framework. Extensive experiments show that our PersonalTailor excels on both personalized and standard pattern fabrication tasks.
• Abstract（参考訳）: ガーメントパターン設計は、3D衣服を対応する2Dパネルとその縫製構造に変換することを目的としている。 既存の手法は、ヒューリスティックスと事前仮定によるテンプレートフィッティングや、複雑な形状パラメータ化を伴うモデル学習に依存する。 重要なのは、どちらのアプローチも出力された衣服のパーソナライズを許可していないことだ。 この要求を満たすために,パーソナライズされた2dパターン設計手法であるpersonaltailorを導入する。3dポイントクラウドから個人用2dパネルを作成するための,特定の制約や要求(言語やスケッチ)を入力できる。 PersonalTailorはまず、教師なしクロスモーダルアソシエーションと注意融合に基づくマルチモーダルパネル埋め込みを学習する。 次に、トランスフォーマーエンコーダ-デコーダフレームワークを使用してバイナリパネルマスクを個別に予測する。 大規模な実験により、PersonalTailorはパーソナライズと標準パターン作成の両方に長けていることがわかった。

関連論文リスト

• DreamVTON: Customizing 3D Virtual Try-on with Personalized Diffusion Models [56.55549019625362]
  画像ベースの3Dバーチャルトライオン(VTON)は、人や衣服の画像に基づいて3D人間を彫刻することを目的としている。 近年のテキスト・ツー・3D法は高忠実度3Dヒューマンジェネレーションにおいて顕著な改善を実現している。 我々は,3次元人間の形状とテクスチャを個別に最適化するために,textbfDreamVTONという新しい3次元人体試行モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-23T14:25:28Z)
• Design2Cloth: 3D Cloth Generation from 2D Masks [34.80461276448817]
  我々は2000以上の被験者スキャンから実世界のデータセットをトレーニングした高忠実度3D生成モデルであるDesign2Clothを提案する。 定性的かつ定量的な実験のシリーズでは、Design2Clothが現在の最先端の織物生成モデルよりも大きなマージンで優れていることを示す。
  論文  参考訳（メタデータ） (2024-04-03T12:32:13Z)
• PointSeg: A Training-Free Paradigm for 3D Scene Segmentation via Foundation Models [51.24979014650188]
  我々は、市販の視覚基盤モデルを利用して、3Dシーン認識タスクに対処する学習自由パラダイムであるPointSegを提案する。 PointSegは正確な3Dプロンプトを取得してフレーム間で対応するピクセルを調整することで、任意の3Dシーンを分割することができる。 ScanNet、ScanNet++、KITTI-360データセット上の14.1$%、12.3$%、12.6$%のmAPは、最先端のトレーニングフリーモデルを大きく上回っている。
  論文  参考訳（メタデータ） (2024-03-11T03:28:20Z)
• SketchMetaFace: A Learning-based Sketching Interface for High-fidelity 3D Character Face Modeling [69.28254439393298]
  SketchMetaFaceは、アマチュアユーザーを対象に、高忠実度3D顔を数分でモデリングするスケッチシステムである。 我々は"Implicit and Depth Guided Mesh Modeling"(IDGMM)と呼ばれる新しい学習ベース手法を開発した。 メッシュ、暗黙、深度表現の利点を融合させ、高い効率で高品質な結果を達成する。
  論文  参考訳（メタデータ） (2023-07-03T07:41:07Z)
• ISP: Multi-Layered Garment Draping with Implicit Sewing Patterns [57.176642106425895]
  本稿では,現在のアプローチの限界に対処する衣服表現モデルを提案する。 これは、純粋に暗黙的な表面表現よりも高速で高品質な再構成をもたらす。 個々の2Dパネルを編集することで、衣服の形状やテクスチャを素早く編集できる。
  論文  参考訳（メタデータ） (2023-05-23T14:23:48Z)
• Cross-Modal 3D Shape Generation and Manipulation [62.50628361920725]
  本稿では,2次元のモダリティと暗黙の3次元表現を共用した多モード生成モデルを提案する。 グレースケールラインスケッチとレンダリングカラー画像の2つの代表的な2次元モーダル性について,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2022-07-24T19:22:57Z)
• Sketch2PQ: Freeform Planar Quadrilateral Mesh Design via a Single Sketch [36.10997511325458]
  フリーフォーム屋根形状の概念設計とデジタルモデリングを橋渡しする新しいスケッチベースシステムを提案する。 本システムでは, 表面境界線と輪郭線を軸方向投影でスケッチすることができる。 本研究では,高密度共役方向場とともに,表面形状をリアルタイムに推定するディープニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-01-23T21:09:59Z)
• Generating Datasets of 3D Garments with Sewing Patterns [10.729374293332281]
  縫製パターンを用いた3D衣料モデルの大規模な合成データセットを作成した。 データセットには、19の異なるベースタイプから生成される20000以上の衣料デザインのバリエーションが含まれている。
  論文  参考訳（メタデータ） (2021-09-12T23:03:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。