論文の概要: MagicGarment: Benchmarking Single-Image Standalone 3D Garment Reconstruction
- arxiv url: http://arxiv.org/abs/2610.19623v1
- Date: Wed, 14 Oct 2026 05:45:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.985048
- Title: MagicGarment: Benchmarking Single-Image Standalone 3D Garment Reconstruction
- Title（参考訳）: MagicGarment: 単イメージのスタンドアローンの3Dガーメント復元のベンチマーク
- Abstract要約: MagicGarmentは、1,518の専門的な資産を持つ単画像のスタンドアロンな3D衣服再構築のためのベンチマークである。
予め訓練された画像から3Dのバックボーンを2段階に適応させることにより,衣服を意識した基準ベースラインを確立する。
実験ではMagicGarmentのベンチマークユーティリティと着物認識適応の有効性が示されている。
- 参考スコア（独自算出の注目度）: 18.704687273421303
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single-image 3D reconstruction has advanced rapidly, yet standalone garments remain challenging due to thin-shell geometry, open boundaries, and layered structures. Existing datasets and evaluation protocols provide limited support for systematic evaluation in this setting. We introduce MagicGarment, a benchmark for single-image standalone 3D garment reconstruction with 1,518 professionally constructed assets across 17 composite garment types, aligned multimodal annotations, and a unified evaluation protocol. We further establish a garment-aware reference baseline by adapting a pretrained image-to-3D backbone at two levels: Grounded Semantic Refinement (GSR) provides garment-focused visual conditioning, while Flow-Time-Route LoRA (FTR-LoRA) adapts the frozen 3D generative backbone using flow-timestep, token-routing, and expert-load information. Experiments demonstrate MagicGarment's benchmark utility and the effectiveness of garment-aware adaptation. Project page: https://1019538157.github.io/MagicGarment/.
- Abstract（参考訳）: シングルイメージの3D再構築は急速に進んでいるが、薄い殻形状、開いた境界、層状構造のためにスタンドアロンの衣服は難しいままである。
既存のデータセットと評価プロトコルは、この設定で体系的な評価を限定的にサポートする。
MagicGarmentは,17種類の合成衣料品,アライメントマルチモーダルアノテーション,統一評価プロトコルを含む,1,518個のプロのアセットを備えた,単イメージのスタンドアロン3D衣料再構築のためのベンチマークである。
グラウンデッド・セマンティック・リファインメント(GSR)は衣服に焦点を当てた視覚条件を提供するが、フロー・タイム・ルート・ロラ(FTR-LoRA)はフロー・タイムステップ、トークン・ルーティング、エキスパート・ロード情報を用いて凍結した3D生成バックボーンに適応する。
実験ではMagicGarmentのベンチマークユーティリティと着物認識適応の有効性が示されている。
プロジェクトページ:https://10 19538157.github.io/MagicGarment/。
関連論文リスト
- Scaling Versatile 3D Assets Editing with a Million-Scale Dataset [66.0812907853948]
本稿では,汎用的な3Dアセットエディタをトレーニングし,評価するための統合フレームワークであるAlchemy3Dを紹介する。
具体的には、1.25万の資産と1.38万の編集ペアを含む大規模な3D編集データセットであるAlchemy3D-1Mをキュレートする。
また,多次元評価プロトコルを備えた大規模オープンワールドベンチマークであるGEdit3D-Benchを紹介する。
論文 参考訳（メタデータ） (2026-09-28T04:20:58Z) - Forwardrobe: Garment-Aware Gaussian Avatars from a Single Image [8.501597776886967]
フォワードローブ(フォワードローブ)は、1枚の画像から衣服を意識したガウスアバターを再構築するためのフィードフォワードの枠組みである。
分離された衣服層は独立して制御可能な3Dアセットを形成し、衣服編集、転送、および3Dバーチャルトライオンを可能にする。
論文 参考訳（メタデータ） (2026-07-31T07:35:52Z) - Rewis3d: Reconstruction Improves Weakly-Supervised Semantic Segmentation [58.37682525044409]
Rewis3dは、フィードフォワード3D再構成の最近の進歩を活用し、2D画像上の弱い教師付きセマンティックセグメンテーションを著しく改善するフレームワークである。
Rewis3dはスパース監視における最先端のパフォーマンスを達成し、ラベルの追加や推論オーバーヘッドを必要とせずに既存のアプローチを2～7%上回ることを示す。
論文 参考訳（メタデータ） (2026-03-06T15:25:20Z) - 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) - ReMu: Reconstructing Multi-layer 3D Clothed Human from Image Layers [3.046315755726937]
本稿では,多層布を施した人間を画像層に再構成するReMuを提案する。
まず,標準体ポーズによって定義された共有座標系を用いて,各衣服層を再構成・整列する。
なお,本手法はテンプレートフリーでカテゴリ非依存であり,多様な衣服スタイルで3D衣服を復元することができる。
論文 参考訳（メタデータ） (2025-08-02T14:24:47Z) - GarmentCrafter: Progressive Novel View Synthesis for Single-View 3D Garment Reconstruction and Editing [85.67881477813592]
GarmentCrafterは、プロでないユーザが、単一のビューイメージから3Dの衣服を作成、修正できる新しいアプローチである。
本手法は,最先端のワンビュー3D衣料復元法と比較して,視覚的忠実度と視間コヒーレンスに優れる。
論文 参考訳（メタデータ） (2025-03-11T17:56:03Z) - IMAGDressing-v1: Customizable Virtual Dressing [58.44155202253754]
IMAGDressing-v1は、固定された衣服とオプション条件で自由に編集可能な人間の画像を生成する仮想ドレッシングタスクである。
IMAGDressing-v1は、CLIPのセマンティック特徴とVAEのテクスチャ特徴をキャプチャする衣料UNetを組み込んでいる。
本稿では,凍結自己注意とトレーニング可能なクロスアテンションを含むハイブリッドアテンションモジュールを提案する。
論文 参考訳（メタデータ） (2024-07-17T16:26:30Z) - Dress-Me-Up: A Dataset & Method for Self-Supervised 3D Garment
Retargeting [28.892029042436626]
任意の形状とポーズの3次元アバターに非パラメトリック化3次元衣服の新たな枠組みを提案する。
既存の3D手法はパラメトリック・カノニカル・ウェアのみをサポートする。
既存の最先端手法に比べて,非教師なし服や人間のアバターに優れた品質を示す。
論文 参考訳（メタデータ） (2024-01-06T02:28:25Z) - 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) - Garment4D: Garment Reconstruction from Point Cloud Sequences [12.86951061306046]
異なる形状の3次元人体を異なるポーズで装うためには, 3次元衣服の再構築が重要である。
従来は入力として2D画像に頼っていたが、規模やあいまいさに悩まされていた。
本稿では,衣服の復元に3次元点雲列を用いたGarment4Dを提案する。
論文 参考訳（メタデータ） (2021-12-08T08:15:20Z) - Deep Fashion3D: A Dataset and Benchmark for 3D Garment Reconstruction
from Single Images [50.34202789543989]
Deep Fashion3Dは、これまでで最大の3D衣料品のコレクションだ。
3D機能ライン、3Dボディポーズ、対応するマルチビューリアルイメージなど、リッチなアノテーションを提供する。
一つのネットワークであらゆる種類の衣服を学習できる新しい適応型テンプレートが提案されている。
論文 参考訳（メタデータ） (2020-03-28T09:20:04Z)
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。