論文の概要: Textile IR: A Bidirectional Intermediate Representation for Physics-Aware Fashion CAD

• arxiv url: http://arxiv.org/abs/2601.02792v1
• Date: Tue, 06 Jan 2026 08:00:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-07 17:02:12.852304
• Title: Textile IR: A Bidirectional Intermediate Representation for Physics-Aware Fashion CAD
• Title（参考訳）: 繊維IR:物理対応ファッションCADのための双方向中間表現
• Authors: Petteri Teikari, Neliana Fuenmayor,
• Abstract要約: Textile IRは、製造価CAD、物理シミュレーション、ファッションデザインのライフサイクルアセスメントを接続する双方向の中間表現である。 7層検証ラダーを通じて統合するためのセマンティックグルーを提供する。 我々は、Textile IRのシーングラフ表現によって、AIシステムが、ピクセル配列ではなく構造化プログラムとして衣服を操作することができることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce Textile IR, a bidirectional intermediate representation that connects manufacturing-valid CAD, physics-based simulation, and lifecycle assessment for fashion design. Unlike existing siloed tools where pattern software guarantees sewable outputs but understands nothing about drape, and physics simulation predicts behaviour but cannot automatically fix patterns, Textile IR provides the semantic glue for integration through a seven-layer Verification Ladder -- from cheap syntactic checks (pattern closure, seam compatibility) to expensive physics validation (drape simulation, stress analysis). The architecture enables bidirectional feedback: simulation failures suggest pattern modifications; material substitutions update sustainability estimates in real time; uncertainty propagates across the pipeline with explicit confidence bounds. We formalise fashion engineering as constraint satisfaction over three domains and demonstrate how Textile IR's scene-graph representation enables AI systems to manipulate garments as structured programs rather than pixel arrays. The framework addresses the compound uncertainty problem: when measurement errors in material testing, simulation approximations, and LCA database gaps combine, sustainability claims become unreliable without explicit uncertainty tracking. We propose six research priorities and discuss deployment considerations for fashion SMEs where integrated workflows reduce specialised engineering requirements. Key contribution: a formal representation that makes engineering constraints perceptible, manipulable, and immediately consequential -- enabling designers to navigate sustainability, manufacturability, and aesthetic tradeoffs simultaneously rather than discovering conflicts after costly physical prototyping.
• Abstract（参考訳）: 本稿では,製造価CAD,物理シミュレーション,ファッションデザインのライフサイクルアセスメントを結合した双方向中間表現であるTextile IRを紹介する。 パターンソフトウェアが汚い出力を保証しているが、ドレープについて何も理解していない既存のサイロツールと異なり、物理シミュレーションは振る舞いを予測するが、パターンを自動的に修正することはできない。 シミュレーション失敗はパターン修正を推奨し、物質置換はサステナビリティ見積をリアルタイムで更新する。 我々は、ファッションエンジニアリングを3つのドメインに対する制約満足度として定式化し、Textile IRのシーングラフ表現によって、AIシステムがいかにしてピクセル配列ではなく構造化プログラムとして衣服を操作できるかを実証する。 材料試験、シミュレーション近似、LCAデータベースギャップが組み合わさると、サステナビリティ・クレームは明確な不確実性トラッキングなしでは信頼できない。 本稿では,6つの研究優先事項を提案し,ワークフローの統合によって専門技術要件が低減されるファッション中小企業の展開について考察する。 重要なコントリビューション: エンジニアリングの制約を認識でき、操作可能で、即席で、デザイナーがコストのかかる物理的プロトタイピングの後に競合を発見するのではなく、持続可能性、製造可能性、美的トレードオフを同時にナビゲートできる形式的な表現。

関連論文リスト

• Sycophancy Mitigation Through Reinforcement Learning with Uncertainty-Aware Adaptive Reasoning Trajectories [58.988535279557546]
  適応推論トラジェクトリを用いたtextbf sycophancy Mitigation を提案する。 SMARTは,分布外の入力に対して強い性能を維持しながら,サイコファンティクスの挙動を著しく低下させることを示した。
  論文  参考訳（メタデータ） (2025-09-20T17:09:14Z)
• A Foundation Model for Material Fracture Prediction [37.06207593775499]
  フラクチャー予測のためのデータ駆動基礎モデルを提案する。 シミュレーター、幅広い材料、様々な負荷条件で作動する。 さまざまな下流タスクに関する最小限のデータで微調整できる。
  論文  参考訳（メタデータ） (2025-07-30T20:23:36Z)
• Is Single-View Mesh Reconstruction Ready for Robotics? [78.14584238127338]
  本研究では,ロボット操作のための物理シミュレータを用いたリアルタイム計画と動的予測のためのディジタル双対生成の実現の可能性について,単一ビューメッシュ再構成モデルの評価を行った。 我々の研究は、コンピュータビジョンの進歩とロボティクスの必要性の間に重要なギャップがあることを浮き彫りにし、この交差点における将来の研究を導く。
  論文  参考訳（メタデータ） (2025-05-23T14:35:56Z)
• Explainable Prediction of the Mechanical Properties of Composites with CNNs [18.157728232751474]
  説明可能なAI(XAI)の手法を備えた畳み込みニューラルネットワーク(CNN)が,この問題の解決に有効であることを示す。 提案手法では, 逆張力試験を用いて生成したデータセットに基づいて学習したカスタムCNNを用いて, コンポジットの機械的特性を予測する。 次に、SHAPと統合勾配の2つのポストホックXAI法を用いて予測を説明し、CNNが合成体の挙動に影響を与える重要な幾何学的特徴を用いていることを示す。
  論文  参考訳（メタデータ） (2025-05-20T08:54:06Z)
• Bridging the Reality Gap in Digital Twins with Context-Aware, Physics-Guided Deep Learning [3.0996501197166975]
  デジタルツイン(DT)は強力な予測分析を可能にするが、シミュレーションと実際のシステムの相違 - 現実のギャップとして知られ、信頼性を損なう。 本稿では,新しいセンサデータを連続的に統合し,誤りを検知し,クエリ応答フレームワークを介してDTを再検討する,DTのためのReal Gap Analysis(RGA)モジュールを提案する。 提案手法は,コンテキスト推論の改善と物理的整合性維持のために,ドメイン・アドバイサル深層学習と低次シミュレータ誘導を融合する。
  論文  参考訳（メタデータ） (2025-05-17T05:18:46Z)
• Addressing Misspecification in Simulation-based Inference through Data-driven Calibration [43.811367860375825]
  本研究は, モデル不特定性を克服するフレームワークであるロPEを導入し, 実世界の小キャリブレーションによる地下構造パラメータの測定を行った。 4つの合成課題と2つの実世界の問題により、RoPEはベースラインを上回り、情報的およびキャリブレーションされた信頼区間を一貫して返却することを示した。
  論文  参考訳（メタデータ） (2024-05-14T16:04:39Z)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• Consistency Guided Scene Flow Estimation [159.24395181068218]
  CGSFは立体映像からの3次元シーン構造と動きの同時再構成のための自己教師型フレームワークである。 提案モデルでは,課題の画像の相違やシーンフローを確実に予測できることを示す。 最先端技術よりも優れた一般化を実現し、目に見えない領域に迅速かつ堅牢に適応する。
  論文  参考訳（メタデータ） (2020-06-19T17:28:07Z)
• Data-Driven Failure Prediction in Brittle Materials: A Phase-Field Based Machine Learning Framework [1.3858051019755282]
  繰り返しまたは増加する負荷下でマイクロ・マクロ・クラックによって導かれる脆性材料の破壊は、しばしば破滅的である。 等温・線形弾性・等方位相場モデルにおける故障を予測するための教師付き機械学習(ML)フレームワークを開発した。 提案手法は,高い騒音レベルが存在する場合でも,許容精度で故障を予測できることを示す。
  論文  参考訳（メタデータ） (2020-03-24T17:13:08Z)

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。