論文の概要: Inverse Garment Design with Visual Agents
- arxiv url: http://arxiv.org/abs/2610.15582v1
- Date: Sun, 11 Oct 2026 12:55:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.226609
- Title: Inverse Garment Design with Visual Agents
- Title（参考訳）: 視覚エージェントを用いた逆ガーメント設計
- Abstract要約: 本研究では,1枚の画像から任意のレイヤでシミュレーション可能な3D衣料を再構成する逆衣料デザインの問題点について検討する。
時間を要する差別化可能な最適化や、トレーニングデータによって制限されたフィードフォワードメソッドとは異なり、DressAgentを導入します。
DressAgentは、物理シミュレーションに基づく計画とクローズドループリファインメントを通じて、衣服の縫製パターンを復元する。
- 参考スコア（独自算出の注目度）: 34.05029525303179
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study the problem of inverse garment design, reconstructing simulation-ready 3D outfits with arbitrary layers from a single image, with visual agents. Unlike differentiable optimization that is time-consuming, or feed-forward methods limited by training data, we introduce DressAgent, a hierarchical agentic system that recovers garment sewing patterns through planning and closed-loop refinement grounded in physical simulation. To this end, we first present an enhanced representation based on GarmentCode for diverse styles and arbitrary dressing layers, and build the first multi-layer sewing pattern dataset with over 15K outfits for supervision and benchmarking. Inverse design then proceeds coarse to fine: In layer planning and coarse estimation, agents infer layer order and relations, peel each layer into its own view, and estimate coarse patterns. In fine-grained refinement, an agentic trio of Tailor, Critic, and Orchestrator refines patterns in a closed loop of editing, simulating, and judging against the reference with visual and measured evidence. Carefully designed tools and an evolving memory make this refinement converge on the target geometry. We also design an agentic generation method for high-fidelity textures. DressAgent outperforms feed-forward methods by a large margin, surpasses or matches differentiable optimization in a fraction of the time, and generalizes to complex layering, diverse poses, and body shapes.
- Abstract（参考訳）: 本研究では,1枚の画像から任意のレイヤでシミュレーション可能な3D衣料を視覚エージェントで再構成する逆衣料デザインの課題について検討する。
トレーニングデータによって制限される差分最適化やフィードフォワード方式とは違って,本研究では,物理シミュレーションに基礎を置くクローズドループリファインメントと計画を通して縫製パターンを復元する階層型エージェントシステムであるDressAgentを紹介する。
そこで我々はまず,多様なスタイルと任意のドレッシングレイヤのためのGarmentCodeに基づく拡張表現を提示し,監視とベンチマークのための15K以上の機能を備えた最初の多層縫製パターンデータセットを構築した。
レイヤ計画と粗い推定では、エージェントはレイヤの順序と関係を推測し、各レイヤを独自のビューに剥離し、粗いパターンを推定します。
微粒化において、タイラー、批評家、オーケストラのエージェント・トリオは、視覚的および測定された証拠による参照に対して編集、シミュレート、および判断の閉ループでパターンを洗練させる。
慎重に設計されたツールと進化するメモリは、この洗練をターゲットの幾何学に収束させる。
また,高忠実度テクスチャのためのエージェント生成手法を設計する。
DressAgentはフィードフォワード法を大きなマージンで上回り、わずかな時間で差別化可能な最適化を上回り、複雑な階層化、多様なポーズ、体形に一般化する。
関連論文リスト
- VersaVogue: Visual Expert Orchestration and Preference Alignment for Unified Fashion Synthesis [37.779702074028044]
VersaVogueは、コントロール可能なファッション合成のための統一されたフレームワークである。
衣料品生成と仮想ドレッシングをサポートし、ファッションライフサイクルのデザインとショートステージに対応する。
論文 参考訳（メタデータ） (2026-04-08T15:31:30Z) - SwiftTailor: Efficient 3D Garment Generation with Geometry Image Representation [14.56053056455189]
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。
論文 参考訳（メタデータ） (2026-03-19T15:47:43Z) - 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) - GarmentX: Autoregressive Parametric Representations for High-Fidelity 3D Garment Generation [15.345904761472106]
GarmentXは、単一の入力画像から多種多様で高忠実でウェアラブルな3D衣服を生成するための新しいフレームワークである。
本稿では,378,682個のパラメータ・イメージ・ペアからなる大規模データセットであるGarmentXデータセットを紹介する。
論文 参考訳（メタデータ） (2025-04-29T04:15:33Z) - 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) - CrossVTON: Mimicking the Logic Reasoning on Cross-category Virtual Try-on guided by Tri-zone Priors [63.95051258676488]
CrossVTONは、クロスカテゴリ仮想試行のための堅牢なフィッティングイメージを生成するためのフレームワークである。
クロスカテゴリ試行に必要な複雑な推論を構造化フレームワークに切り離す。
定性評価と定量的評価の両方において、既存のベースラインを超え、最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-02-20T09:05:35Z) - 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。
そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。
また,水平深度と比表現に適した教師なし適応手法を提案する。
本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
論文 参考訳（メタデータ） (2023-12-26T12:16:03Z) - Towards Garment Sewing Pattern Reconstruction from a Single Image [76.97825595711444]
ガーメント縫製パターンは、衣服の本質的な休息形態を表しており、ファッションデザイン、バーチャルトライオン、デジタルアバターといった多くの用途のコアとなっている。
まず,SewFactoryという多目的データセットを合成した。
次に、縫製パターン予測性能を大幅に向上させるSewformerと呼ばれる2レベルトランスフォーマーネットワークを提案する。
論文 参考訳（メタデータ） (2023-11-07T18:59:51Z) - Arbitrary Virtual Try-On Network: Characteristics Preservation and
Trade-off between Body and Clothing [85.74977256940855]
本報告では,オールタイプの衣料品を対象としたArbitrary Virtual Try-On Network (AVTON)を提案する。
AVTONは、ターゲット服と参照者の特性を保存・交換することで、現実的な試行画像を合成することができる。
提案手法は,最先端の仮想試行法と比較して性能が向上する。
論文 参考訳（メタデータ） (2021-11-24T08:59:56Z)
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。