論文の概要: DiT-Garment: Garment Dynamics with Diffusion Transformers

• arxiv url: http://arxiv.org/abs/2609.18510v1
• Date: Wed, 16 Sep 2026 11:44:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.773811
• Title: DiT-Garment: Garment Dynamics with Diffusion Transformers
• Title（参考訳）: DiT-Garment:拡散変圧器を用いたガーメントダイナミクス
• Abstract要約: 任意の動作で人体モデル上で動的3D衣服をモデル化するために、DiT-Garmentを提案する。 我々は2次元UV空間における3次元変形を学習するために2次元拡散変換器アーキテクチャを利用する。 合成データと実データの両方で,DiT-Garmentを定量的,質的に評価した。
• 参考スコア（独自算出の注目度）: 3.8515227233529887
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present DiT-Garment to model dynamic 3D clothing over human body models in arbitrary motion. Unlike existing methods, DiT-Garment can animate garments with unseen designs and physical materials, while allowing for direct inference of deformations for any target pose. To achieve this, we leverage a 2D diffusion transformer architecture to learn 3D deformations in a 2D UV-space. As the result is non-deterministic, our generative model learns the distribution of possible outcomes. The template garment is represented as a 3D triangle mesh spatially aligned with a 3D human body model in a standardized pose. To work with different garment designs without the need of a common template or complex graph convolution operations, the diffusion transformer is conditioned on a 3D position map of the template, represented in UV-space, which allows to implicitly learn a deformation of the 3D space around the body in standard pose. Further conditioning on body motion and physical parameters allows to physically ground the model. We quantitatively and qualitatively evaluate DiT-Garment on both synthetic and real data. While only trained on synthetic simulations of automatically generated cloth designs, our method generalizes to captured and artist-made garment designs. Code and data are available for research purposes at https://dumoulina.github.io/dit-garment/.
• Abstract（参考訳）: 任意の動作で人体モデル上で動的3D衣服をモデル化するために、DiT-Garmentを提案する。 既存の方法とは異なり、DiT-Garmentは、ターゲットのポーズの変形を直接推測しながら、目に見えないデザインや物理的素材で衣服をアニメーションすることができる。 これを実現するために2次元拡散変換器アーキテクチャを用いて2次元UV空間における3次元変形を学習する。 結果が非決定論的であるため、生成モデルは可能な結果の分布を学習する。 テンプレート衣服は、標準化されたポーズで3次元人体モデルと空間的に整合した3次元三角形メッシュとして表現される。 共通テンプレートや複雑なグラフ畳み込み操作を必要とせずに、異なる衣服デザインで作業するために、拡散トランスフォーマーは、UV空間で表されるテンプレートの3D位置マップに条件付けされ、標準ポーズで体周囲の3D空間の変形を暗黙的に学習することができる。 体の動きと物理的パラメータのさらなる条件付けにより、モデルが物理的にグラウンド化される。 合成データと実データの両方で,DiT-Garmentを定量的,質的に評価した。 本手法は, 自動生成布地の設計の合成シミュレーションにのみ応用できるが, 撮影・製作に応用できる。 コードとデータはリサーチ目的でhttps://dumoulina.github.io/dit-garment/.comで公開されている。

関連論文リスト

• Stitched Embeddings: A Unified Latent Space for 3D Garments and 2D Patterns [35.36349252329493]
  従来の仕立ては2D縫製パターンに依存しているが、これらのパターンを3D幾何学にブリッジするには物理シミュレーションが必要である。 我々は3次元衣服の再構築と縫製パターンの推論を統一する初めてのシミュレーション不要なフレームワークであるStitched Embeddingsを提案する。
  論文  参考訳（メタデータ） (2026-07-01T11:50:22Z)
• D-Garment: Physics-Conditioned Latent Diffusion for Dynamic Garment Deformations [9.991827725035373]
  ガーメントダイナミクスは、着用者の体形や動きを含む物理的な入力や布材の特徴に依存する、しわパターンのような幾何学的詳細に影響を及ぼす。 本稿では,物理に基づくシミュレータで生成されたデータに基づいて学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2025-04-04T14:18:06Z)
• DiffusedWrinkles: A Diffusion-Based Model for Data-Driven Garment Animation [10.9550231281676]
  2次元画像拡散モデルを用いて3次元衣料のアニメーションを生成するためのデータ駆動方式を提案する。 提案手法は,多種多様な衣料品や体型のための高品質な3Dアニメーションを合成することができる。
  論文  参考訳（メタデータ） (2025-03-24T06:08:26Z)
• En3D: An Enhanced Generative Model for Sculpting 3D Humans from 2D Synthetic Data [36.51674664590734]
  本研究では,高品質な3次元アバターの小型化を図ったEn3Dを提案する。 従来の3Dデータセットの不足や、視角が不均衡な限られた2Dコレクションと異なり、本研究の目的は、ゼロショットで3D人間を作れる3Dの開発である。
  論文  参考訳（メタデータ） (2024-01-02T12:06:31Z)
• Cloth2Body: Generating 3D Human Body Mesh from 2D Clothing [54.29207348918216]
  Cloth2Bodyは、入力の部分的な観察と出力の多様性によって引き起こされる新しい課題に対処する必要がある。 本稿では,2次元衣料品画像のポーズと形状によってパラメータ化された3Dボディメッシュを高精度に推定できるエンドツーエンドフレームワークを提案する。 実験結果から示されるように,提案手法は最先端の性能を実現し,自然および多様な3Dボディメッシュを2次元画像から効果的に回収することができる。
  論文  参考訳（メタデータ） (2023-09-28T06:18:38Z)
• 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)
• AG3D: Learning to Generate 3D Avatars from 2D Image Collections [96.28021214088746]
  本稿では,2次元画像から現実的な3次元人物の新たな逆生成モデルを提案する。 本手法は, 全身型3Dジェネレータを用いて, 体の形状と変形を捉える。 提案手法は, 従来の3次元・調音認識手法よりも幾何的, 外観的に優れていた。
  論文  参考訳（メタデータ） (2023-05-03T17:56:24Z)
• Neural 3D Clothes Retargeting from a Single Image [91.5030622330039]
  本稿では,1枚のRGB画像で人物にフィットする3次元衣料テンプレートモデルの潜在的なポーズと変形を生成する方法を提案する。 この問題は、地上の真実データを取得することは不可能である、すなわち、異なる3D衣料品テンプレートモデルを全く同じポーズで身に着けている人々の画像として、基本的には不適切である。 そこで本研究では,3次元変形の物理的妥当性を検証するための半教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-29T20:50:34Z)
• Combining Implicit Function Learning and Parametric Models for 3D Human Reconstruction [123.62341095156611]
  深層学習近似として表される暗黙の関数は、3次元曲面の再構成に強力である。 このような機能は、コンピュータグラフィックスとコンピュータビジョンの両方に柔軟なモデルを構築するのに不可欠である。 詳細に富んだ暗黙関数とパラメトリック表現を組み合わせた方法論を提案する。
  論文  参考訳（メタデータ） (2020-07-22T13:46:14Z)

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。