論文の概要: SwiftTailor: Efficient 3D Garment Generation with Geometry Image Representation

• arxiv url: http://arxiv.org/abs/2603.19053v1
• Date: Thu, 19 Mar 2026 15:47:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-20 17:19:06.239218
• Title: SwiftTailor: Efficient 3D Garment Generation with Geometry Image Representation
• Title（参考訳）: SwiftTailor: 幾何学的イメージ表現による効率的な3Dガーメント生成
• Authors: Phuc Pham, Uy Dieu Tran, Binh-Son Hua, Phong Nguyen,
• Abstract要約: 縫製パターン推論と幾何学に基づくメッシュ合成を統合するフレームワークであるSwiftTailorを紹介する。 SwiftTailorは最先端の精度と視覚的忠実度を実現し、推論時間を大幅に短縮する。 この作業は、次世代の3D衣服生成のためのスケーラブルで解釈可能で高性能なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 14.56053056455189
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Realistic and efficient 3D garment generation remains a longstanding challenge in computer vision and digital fashion. Existing methods typically rely on large vision- language models to produce serialized representations of 2D sewing patterns, which are then transformed into simulation-ready 3D meshes using garment modeling framework such as GarmentCode. Although these approaches yield high-quality results, they often suffer from slow inference times, ranging from 30 seconds to a minute. In this work, we introduce SwiftTailor, a novel two-stage framework that unifies sewing-pattern reasoning and geometry-based mesh synthesis through a compact geometry image representation. SwiftTailor comprises two lightweight modules: PatternMaker, an efficient vision-language model that predicts sewing patterns from diverse input modalities, and GarmentSewer, an efficient dense prediction transformer that converts these patterns into a novel Garment Geometry Image, encoding the 3D surface of all garment panels in a unified UV space. The final 3D mesh is reconstructed through an efficient inverse mapping process that incorporates remeshing and dynamic stitching algorithms to directly assemble the garment, thereby amortizing the cost of physical simulation. Extensive experiments on the Multimodal GarmentCodeData demonstrate that SwiftTailor achieves state-of-the-art accuracy and visual fidelity while significantly reducing inference time. This work offers a scalable, interpretable, and high-performance solution for next-generation 3D garment generation.
• Abstract（参考訳）: リアルで効率的な3D衣服生成は、コンピュータビジョンとデジタルファッションにおける長年の課題である。 既存の手法は、2Dミシンパターンのシリアライズされた表現を生成するために大きな視覚言語モデルに依存しており、GarmentCodeのような衣料モデリングフレームワークを使用してシミュレーション可能な3Dメッシュに変換される。 これらのアプローチは高品質な結果をもたらすが、しばしば30秒から1分間の遅い推測時間に悩まされる。 本研究では,裁縫パターン推論と幾何学に基づくメッシュ合成を,コンパクトな幾何学画像表現を通じて統合する,新たな2段階フレームワークであるSwiftTailorを紹介する。 SwiftTailorは2つの軽量モジュールで構成されている。PatternMakerは多様な入力モードから縫製パターンを予測する効率的な視覚言語モデルであり、GarmentSewerはこれらのパターンを新しいGarment Geometry Imageに変換し、すべての衣料パネルの3D面を統一UV空間にエンコードする効率的な密度の高い予測トランスフォーマーである。 最後の3Dメッシュは、リメッシングと動的縫合アルゴリズムを組み込んだ効率的な逆マッピングプロセスによって再構築され、服を直接組み立てる。 Multimodal GarmentCodeDataに関する大規模な実験は、SwiftTailorが最先端の精度と視覚的忠実性を達成し、推論時間を著しく短縮することを示した。 この作業は、次世代の3D衣服生成のためのスケーラブルで解釈可能で高性能なソリューションを提供する。

関連論文リスト

• High-Fidelity 3D Facial Avatar Synthesis with Controllable Fine-Grained Expressions [83.73866089033585]
  本稿では,テクスチャ編集のための事前学習型3D-Aware GANモデルの潜在コードとメッシュ編集のための駆動型3DMMモデルの表現コードの両方を同時に精製して,新しいアプローチを提案する。 デュアルマッパーを最適化するために,CLIPをベースとした目的関数をターゲットとするテキスト誘導最適化手法を提案する。
  論文  参考訳（メタデータ） (2026-03-16T03:25:10Z)
• DressWild: Feed-Forward Pose-Agnostic Garment Sewing Pattern Generation from In-the-Wild Images [50.11081091174558]
  本稿では,衣料品のモデリングと製作のための縫製パターン生成に焦点を当てた。 そこで我々は,DressWildを提案する。DressWildは,物理に一貫性のある2Dミシンパターンと,それに対応する3D衣服を,ワン・ザ・ウィンド画像から再構成する新しいフィードフォワードパイプラインである。
  論文  参考訳（メタデータ） (2026-02-18T14:45:15Z)
• Wonder3D++: Cross-domain Diffusion for High-fidelity 3D Generation from a Single Image [68.55613894952177]
  単一ビュー画像から高忠実なテクスチャメッシュを効率的に生成する新しい手法である textbfWonder3D++ を導入する。 マルチビュー正規写像と対応するカラー画像を生成するクロスドメイン拡散モデルを提案する。 最後に,多視点2次元表現から高品質な表面を粗い方法でわずか3ドル程度で駆動するカスケード3次元メッシュ抽出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-11-03T17:24:18Z)
• 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)
• MeshXL: Neural Coordinate Field for Generative 3D Foundation Models [51.1972329762843]
  本稿では,現代の大規模言語モデルを用いた3次元メッシュ生成のプロセスに対処する,事前学習型自己回帰モデルの生成ファミリを提案する。 MeshXLは高品質な3Dメッシュを生成することができ、さまざまなダウンストリームアプリケーションの基盤モデルとしても機能する。
  論文  参考訳（メタデータ） (2024-05-31T14:35:35Z)
• 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)

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。