論文の概要: InverseDraping: Recovering Sewing Patterns from 3D Garment Surfaces via BoxMesh Bridging

• arxiv url: http://arxiv.org/abs/2604.02764v1
• Date: Fri, 03 Apr 2026 06:19:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.34402
• Title: InverseDraping: Recovering Sewing Patterns from 3D Garment Surfaces via BoxMesh Bridging
• Title（参考訳）: 逆Draping:BoxMeshによる3Dガーメント表面の縫い込みパターンの復元
• Authors: Leyang Jin, Zirong Jin, Zisheng Ye, Haokai Pang, Xiaoguang Han, Yujian Zheng, Hao Li,
• Abstract要約: 構造化中間表現であるBoxMeshに着目した2段階のフレームワークを提案する。 BoxMeshは、衣服レベルの幾何学とパネルレベルの構造を3Dでエンコードする。 我々は,パネル構成と縫合関係の変動長と構造特性を自然に扱うために,自己回帰モデリングを採用する。
• 参考スコア（独自算出の注目度）: 17.48763627703864
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recovering sewing patterns from draped 3D garments is a challenging problem in human digitization research. In contrast to the well-studied forward process of draping designed sewing patterns using mature physical simulation engines, the inverse process of recovering parametric 2D patterns from deformed garment geometry remains fundamentally ill-posed for existing methods. We propose a two-stage framework that centers on a structured intermediate representation, BoxMesh, which serves as the key to bridging the gap between 3D garment geometry and parametric sewing patterns. BoxMesh encodes both garment-level geometry and panel-level structure in 3D, while explicitly disentangling intrinsic panel geometry and stitching topology from draping-induced deformations. This representation imposes a physically grounded structure on the problem, significantly reducing ambiguity. In Stage I, a geometry-driven autoregressive model infers BoxMesh from the input 3D garment. In Stage II, a semantics-aware autoregressive model parses BoxMesh into parametric sewing patterns. We adopt autoregressive modeling to naturally handle the variable-length and structured nature of panel configurations and stitching relationships. This decomposition separates geometric inversion from structured pattern inference, leading to more accurate and robust recovery. Extensive experiments demonstrate that our method achieves state-of-the-art performance on the GarmentCodeData benchmark and generalizes effectively to real-world scans and single-view images.
• Abstract（参考訳）: ドレープされた3D衣服から縫製パターンを復元することは、人間のデジタル化研究において難しい問題である。 成熟した物理シミュレーションエンジンを用いてデザインされた縫製パターンを描画するよく研究された前処理とは対照的に、変形した衣服形状からパラメトリックな2Dパターンを復元する逆処理は、既存の方法では基本的には不十分である。 そこで本研究では,立体形状とパラメトリック縫製パターンのギャップを埋める鍵となる,構造化中間表現であるBoxMeshに着目した2段階のフレームワークを提案する。 BoxMeshは3次元の衣服レベルの幾何学とパネルレベルの構造の両方をエンコードするが、内在的なパネルの幾何学とドレーピングによって引き起こされる変形から縫合トポロジーを明示的に切り離す。 この表現は、その問題に物理的に基底を持つ構造を課し、曖昧さを著しく減少させる。 ステージIでは、幾何学駆動の自己回帰モデルが入力された3D服からBoxMeshを推測する。 ステージIIでは、セマンティクスを意識した自己回帰モデルがBoxMeshをパラメトリックな縫製パターンに解析する。 我々は,パネル構成と縫合関係の変動長と構造特性を自然に扱うために,自己回帰モデリングを採用する。 この分解は、幾何学的逆転と構造的パターン推論を分離し、より正確で堅牢な回復をもたらす。 大規模な実験により,GarmentCodeDataベンチマークの最先端性能を実現し,実世界のスキャンやシングルビュー画像に効果的に一般化できることが実証された。

関連論文リスト

• Spatio-Temporal Garment Reconstruction Using Diffusion Mapping via Pattern Coordinates [38.93906389023275]
  モノクロ画像やビデオから3Dの服を着た人間を再構築することは、仮想トライオン、アバター作成、混合現実における基本的な問題である。 単一画像とシーケンスの両方から高忠実度な3D衣料の再構築を提案する。 再構築された衣服は、テクスチャ編集、衣料縫い、アニメーションなどの下流の用途をサポートしながら、リアルなダイナミックな動きを示しながら、微妙な幾何学的ディテールを保っている。
  論文  参考訳（メタデータ） (2026-02-27T14:19:23Z)
• ReWeaver: Towards Simulation-Ready and Topology-Accurate Garment Reconstruction [32.919669263399534]
  ReWeaverは、粗いマルチビューRGB画像からトポロジー精度の高い3D衣服と縫製パターンを再構築するための新しいフレームワークである。 我々は,多視点RGB画像,3次元衣服幾何学,テクスチャ化された人体メッシュ,注釈付き縫製パターンからなる大規模データセットGCD-TSを構築した。
  論文  参考訳（メタデータ） (2026-01-23T11:42:02Z)
• Seeing 3D Through 2D Lenses: 3D Few-Shot Class-Incremental Learning via Cross-Modal Geometric Rectification [59.17489431187807]
  本稿では,CLIPの階層的空間意味論を活用することで3次元幾何学的忠実度を高めるフレームワークを提案する。 本手法は3次元のクラスインクリメンタル学習を著しく改善し,テクスチャバイアスに対して優れた幾何コヒーレンスとロバスト性を実現する。
  論文  参考訳（メタデータ） (2025-09-18T13:45:08Z)
• 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)
• 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)
• 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)
• Single-view 3D Mesh Reconstruction for Seen and Unseen Categories [69.29406107513621]
  シングルビュー3Dメッシュ再構成は、シングルビューRGB画像から3D形状を復元することを目的とした、基本的なコンピュータビジョンタスクである。 本稿では,一視点3Dメッシュ再構成に取り組み,未知のカテゴリのモデル一般化について検討する。 我々は、再構築におけるカテゴリ境界を断ち切るために、エンドツーエンドの2段階ネットワークであるGenMeshを提案する。
  論文  参考訳（メタデータ） (2022-08-04T14:13:35Z)
• 3D Magic Mirror: Clothing Reconstruction from a Single Image via a Causal Perspective [96.65476492200648]
  本研究は, 自己監督型3D衣料の再構築手法について検討することを目的とする。 1枚の2D画像から人間の衣服の形状やテクスチャを復元する。
  論文  参考訳（メタデータ） (2022-04-27T17:46:55Z)

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。