論文の概要: Learning Sewing Patterns via Latent Flow Matching of Implicit Fields

• arxiv url: http://arxiv.org/abs/2601.17740v1
• Date: Sun, 25 Jan 2026 08:18:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.308225
• Title: Learning Sewing Patterns via Latent Flow Matching of Implicit Fields
• Title（参考訳）: 無作為なフィールドの潜在フローマッチングによる縫い込みパターンの学習
• Authors: Cong Cao, Ren Li, Corentin Dumery, Hao Li,
• Abstract要約: 暗黙の表現に基づく縫製パターンモデリング手法を提案する。 我々は、その境界を定義する符号付き距離場と、シームエンドポイントを識別する符号なし距離場を用いて、各パネルを表現している。 この表現において、潜水流マッチングモデルはパネル結合上の分布を学習し、縫合予測モジュールは抽出されたエッジセグメントから縫合関係を回復する。
• 参考スコア（独自算出の注目度）: 14.869592086908424
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Sewing patterns define the structural foundation of garments and are essential for applications such as fashion design, fabrication, and physical simulation. Despite progress in automated pattern generation, accurately modeling sewing patterns remains difficult due to the broad variability in panel geometry and seam arrangements. In this work, we introduce a sewing pattern modeling method based on an implicit representation. We represent each panel using a signed distance field that defines its boundary and an unsigned distance field that identifies seam endpoints, and encode these fields into a continuous latent space that enables differentiable meshing. A latent flow matching model learns distributions over panel combinations in this representation, and a stitching prediction module recovers seam relations from extracted edge segments. This formulation allows accurate modeling and generation of sewing patterns with complex structures. We further show that it can be used to estimate sewing patterns from images with improved accuracy relative to existing approaches, and supports applications such as pattern completion and refitting, providing a practical tool for digital fashion design.
• Abstract（参考訳）: 縫製パターンは衣服の構造的基盤を定義し、ファッションデザイン、製造、物理シミュレーションなどの応用に不可欠である。 自動パターン生成の進歩にもかかわらず、パネル形状やシーム配置の幅が広いため、縫製パターンを正確にモデル化することは依然として困難である。 本研究では,暗黙的表現に基づく縫製パターンモデリング手法を提案する。 我々は、その境界を定義する符号付き距離場と、シームエンドポイントを識別する符号なし距離場を用いて各パネルを表現し、これらのフィールドを連続的な潜在空間に符号化し、異なるメッシュ化を可能にする。 この表現において、潜水流マッチングモデルはパネル結合上の分布を学習し、縫合予測モジュールは抽出されたエッジセグメントから縫合関係を回復する。 この定式化は複雑な構造を持つ縫製パターンの正確なモデリングと生成を可能にする。 さらに、既存のアプローチと比較して精度が向上した画像からミシンパターンを推定し、パターン補完やリフィットなどのアプリケーションをサポートし、デジタルファッションデザインの実用的なツールを提供する。

関連論文リスト

• GarmageNet: A Multimodal Generative Framework for Sewing Pattern Design and Generic Garment Modeling [35.49678134341859]
  GarmageNetは、2Dミシンパターンの作成を自動化する生成フレームワークである。 ガーマージ(Garmage)は、各パネルを構造的幾何学的イメージとしてエンコードする、新しい衣服表現である。 GarmageSetは14,801のプロフェッショナルデザインの衣服からなる大規模なデータセットである。
  論文  参考訳（メタデータ） (2025-04-02T08:37:32Z)
• Mesh Mamba: A Unified State Space Model for Saliency Prediction in Non-Textured and Textured Meshes [50.23625950905638]
  メッシュサリエンシは、自然に視覚的注意を引き付ける領域を特定して強調することにより、3D視覚の適応性を高める。 状態空間モデル (SSM) に基づく統合唾液度予測モデルであるメッシュ・マンバを導入する。 Mesh Mambaは、トポロジカルフレームワークにテクスチャ機能をシームレスに組み込んだまま、メッシュの幾何学的構造を効果的に分析する。
  論文  参考訳（メタデータ） (2025-04-02T08:22:25Z)
• Multimodal Latent Diffusion Model for Complex Sewing Pattern Generation [52.13927859375693]
  テキストプロンプト,体形,着物スケッチによって制御される縫製パターンを生成するマルチモーダル生成モデルであるSwingLDMを提案する。 潜伏空間における縫製パターンの分布を学習するために,2段階のトレーニング戦略を設計する。 総合的定性的および定量的実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-12-19T02:05:28Z)
• Design2GarmentCode: Turning Design Concepts to Tangible Garments Through Program Synthesis [27.1965932507935]
  大規模マルチモーダルモデル(LMM)に基づく新しい縫製パターン生成手法を提案する。 LMMは多様なデザインインプットを解釈するための直感的なインタフェースを提供する一方、パターン作成プログラムは、よく構造化され意味のあるミシンパターンの表現として機能する。 本手法は, 画像, テキスト記述, デザイナースケッチ, あるいはそれらの組み合わせなどの複雑なデザイン表現を柔軟に処理し, 縫合したサイズ精度の縫製パターンに変換する。
  論文  参考訳（メタデータ） (2024-12-11T18:26:45Z)
• SpaceMesh: A Continuous Representation for Learning Manifold Surface Meshes [61.110517195874074]
  本稿では,ニューラルネットワークの出力として,複雑な接続性を持つ多様体多角形メッシュを直接生成する手法を提案する。 私たちの重要なイノベーションは、各メッシュで連続的な遅延接続空間を定義することです。 アプリケーションでは、このアプローチは生成モデルから高品質な出力を得るだけでなく、メッシュ修復のような挑戦的な幾何処理タスクを直接学習することを可能にする。
  論文  参考訳（メタデータ） (2024-09-30T17:59:03Z)
• CoSE: Compositional Stroke Embeddings [52.529172734044664]
  本稿では、ストロークベースの描画タスクのような複雑な自由形式構造に対する生成モデルを提案する。 我々のアプローチは、自動補完図のようなインタラクティブなユースケースに適している。
  論文  参考訳（メタデータ） (2020-06-17T15:22:54Z)

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。