論文の概要: GarmentCodeData: A Dataset of 3D Made-to-Measure Garments With Sewing Patterns

• arxiv url: http://arxiv.org/abs/2405.17609v1
• Date: Mon, 27 May 2024 19:14:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-29 23:21:23.737877
• Title: GarmentCodeData: A Dataset of 3D Made-to-Measure Garments With Sewing Patterns
• Title（参考訳）: GarmentCodeData: 縫製パターンを備えた3Dメイド・ツー・メア・ガーメントのデータセット
• Authors: Maria Korosteleva, Timur Levent Kesdogan, Fabian Kemper, Stephan Wenninger, Jasmin Koller, Yuhan Zhang, Mario Botsch, Olga Sorkine-Hornung,
• Abstract要約: 縫製パターンを用いた3次元計測服の大規模合成データセットについて述べる。 GarmentCodeDataには115,000のデータポイントがあり、さまざまなデザインをカバーしている。 高速なXPBDシミュレータに基づくオープンソースの3D衣料ドレーピングパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 18.513707884523072
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Recent research interest in the learning-based processing of garments, from virtual fitting to generation and reconstruction, stumbles on a scarcity of high-quality public data in the domain. We contribute to resolving this need by presenting the first large-scale synthetic dataset of 3D made-to-measure garments with sewing patterns, as well as its generation pipeline. GarmentCodeData contains 115,000 data points that cover a variety of designs in many common garment categories: tops, shirts, dresses, jumpsuits, skirts, pants, etc., fitted to a variety of body shapes sampled from a custom statistical body model based on CAESAR, as well as a standard reference body shape, applying three different textile materials. To enable the creation of datasets of such complexity, we introduce a set of algorithms for automatically taking tailor's measures on sampled body shapes, sampling strategies for sewing pattern design, and propose an automatic, open-source 3D garment draping pipeline based on a fast XPBD simulator, while contributing several solutions for collision resolution and drape correctness to enable scalability. Dataset: http://hdl.handle.net/20.500.11850/673889
• Abstract（参考訳）: 近年、仮想的な適合から生成・再構築まで、衣服の学習に基づく処理への関心が高まり、ドメイン内の高品質な公開データの不足に悩まされている。 我々は,縫製パターンと生成パイプラインを備えた3D合成服の大規模合成データセットを提示することにより,このニーズの解決に寄与する。 GarmentCodeDataには、トップ、シャツ、ドレス、ジャンプスーツ、スカート、パンツなど、さまざまなデザインをカバーする11万5000のデータポイントが含まれており、CAESARをベースとしたカスタム統計ボディモデルからサンプリングされたさまざまなボディ形状に適合し、3種類の異なる繊維材料を適用している。 このような複雑さのデータセットを作成するために,サンプル体形状を自動計測するアルゴリズム,縫製パターン設計のためのサンプリング戦略,高速XPBDシミュレータに基づくオープンソースの3D衣料ドッピングパイプラインを提案するとともに,衝突分解能とドレープ精度のいくつかのソリューションを提供してスケーラビリティを実現する。 データセット:http://hdl.handle.net/20.500.11850/673889

関連論文リスト

• Pushing Auto-regressive Models for 3D Shape Generation at Capacity and Scalability [118.26563926533517]
  自己回帰モデルでは,格子空間における関節分布をモデル化することにより,2次元画像生成において顕著な結果が得られた。 自動回帰モデルを3次元領域に拡張し,キャパシティとスケーラビリティを同時に向上することにより,3次元形状生成の強力な能力を求める。
  論文  参考訳（メタデータ） (2024-02-19T15:33:09Z)
• Dress-Me-Up: A Dataset & Method for Self-Supervised 3D Garment Retargeting [28.892029042436626]
  任意の形状とポーズの3次元アバターに非パラメトリック化3次元衣服の新たな枠組みを提案する。 既存の3D手法はパラメトリック・カノニカル・ウェアのみをサポートする。 既存の最先端手法に比べて,非教師なし服や人間のアバターに優れた品質を示す。
  論文  参考訳（メタデータ） (2024-01-06T02:28:25Z)
• UniG3D: A Unified 3D Object Generation Dataset [75.49544172927749]
  UniG3Dは、ShapeNetデータセット上に普遍的なデータ変換パイプラインを用いて構築された、統一された3Dオブジェクト生成データセットである。 このパイプラインは、各生の3Dモデルを包括的なマルチモーダルデータ表現に変換する。 データセットのデータソースの選択は、そのスケールと品質に基づいています。
  論文  参考訳（メタデータ） (2023-06-19T07:03:45Z)
• Learning 3D Human Pose Estimation from Dozens of Datasets using a Geometry-Aware Autoencoder to Bridge Between Skeleton Formats [80.12253291709673]
  本稿では,アフィン結合型オートエンコーダ(ACAE)法を提案する。 このアプローチは、28人の人間のポーズデータセットを使って1つのモデルを監督する、極端なマルチデータセット体制にスケールします。
  論文  参考訳（メタデータ） (2022-12-29T22:22:49Z)
• Structure-Preserving 3D Garment Modeling with Neural Sewing Machines [190.70647799442565]
  構造保存型3D衣料モデリングのための学習ベースフレームワークであるニューラル縫製機械(NSM)を提案する。 NSMは、多様な衣服形状とトポロジで3D衣服を表現でき、保存された構造で2D画像から3D衣服をリアルに再構成し、3D衣服カテゴリー、形状、トポロジを正確に操作することができる。
  論文  参考訳（メタデータ） (2022-11-12T16:43:29Z)
• 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)
• Fully Convolutional Graph Neural Networks for Parametric Virtual Try-On [9.293488420613148]
  完全畳み込みグラフニューラルネットワークに基づく仮想試行アプリケーションのための学習に基づくアプローチを提案する。 特定の衣服やメッシュトポロジーのために訓練された既存のデータ駆動モデルとは対照的に、私たちの完全な畳み込みモデルは、大きな種類の衣服を扱うことができる。 内部では、3つの異なる変形源を分離し、衣服のフィットを条件にすることで、3D衣服のドレープを学習する新しい幾何学的深層学習手法が提案されている。
  論文  参考訳（メタデータ） (2020-09-09T22:38:03Z)
• SIZER: A Dataset and Model for Parsing 3D Clothing and Learning Size Sensitive 3D Clothing [50.63492603374867]
  SizerNetを導入し、人体形状と衣服サイズパラメータに基づいて3D衣服を予測する。 また、入力メッシュから1パスの個人的詳細を持つ衣服の下で、衣服のメッシュと形状を推測するためにNetを導入する。
  論文  参考訳（メタデータ） (2020-07-22T18:13:24Z)
• Deep Fashion3D: A Dataset and Benchmark for 3D Garment Reconstruction from Single Images [50.34202789543989]
  Deep Fashion3Dは、これまでで最大の3D衣料品のコレクションだ。 3D機能ライン、3Dボディポーズ、対応するマルチビューリアルイメージなど、リッチなアノテーションを提供する。 一つのネットワークであらゆる種類の衣服を学習できる新しい適応型テンプレートが提案されている。
  論文  参考訳（メタデータ） (2020-03-28T09:20:04Z)

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。