基于CLO-3D虚拟试衣系统的服装效果评价研究

随着"互联网+"时代的到来,以虚拟试衣为代表的新一代数字化技术,为服装产品的设计开发、效果评价和纸样优化等注入了新元素。应用虚拟试衣软件对纸样进行虚拟缝合并真实模拟试穿可获得直观的试穿效果,但如何从人体工学的角度客观地对试穿效果进行评价是需要进一步解决的问题。文章主要运用CLO-3D虚拟试衣软件研究虚拟试衣技术中服装评价指标的建立,根据三维人体测量数据生成虚拟试衣模特,然后对导入的二维服装样板进行虚拟缝合,对缝合后着装效果从透视图、压力图、变形率和接触点4个角度建立服装效果评价指标和纸样优化。     

基于扩散模型的ControlNet网络虚拟试衣研究

为快速生成特定服装款式的成衣效果图,采用扩散模型,应用ControlNet网络实现虚拟试衣。首先将人体的关键点检测图与深度图作为扩散模型的控制条件,生成姿态可控的虚拟模特;再通过Canny边缘图生成虚拟试衣效果图。以3款连衣裙为例进行虚拟试衣实验,并优化扩散模型控制条件的参数设置;最后将生成结果与三维建模虚拟试衣结果进行对比和评价。结果表明：结合ControlNet网络的扩散模型能够控制虚拟模特的姿态特征,通过服装Canny边缘图可以生成特定服装款式的虚拟试衣效果。该方法生成的虚拟试衣相较三维建模技术实现的虚拟试衣方法更具表现力,操作更加直观快捷,能够为设计师提供款式图的成衣效果可视化参考,从而提高服装设计效率。     

基于服装迁移的二维虚拟试衣技术

为实现低成本的虚拟试衣,针对传统方法难以应用于实际场景的问题,提出了一种基于服装迁移的二维虚拟试衣网络。通过输入用户图像和模特图像,该网络能够生成用户穿着模特服装的试衣效果。首先通过纹理重映射提取服装纹理,再通过人物解析迁移提取用户纹理,然后合并服装纹理和用户纹理得到一个粗糙的试衣结果,最后基于半监督学习对粗糙结果中的纹理缺失区域进行自动修复,得到最终的试衣结果。定性和定量的实验均证明本文提出的方法能够较好地保留服装的纹理细节,维持用户的身份信息不发生改变,并且能够生成良好的试衣结果。     

基于3D虚拟试衣技术的针织时装结构设计研究

探讨3D虚拟试衣技术与针织时装版型、面料特性相结合的针织时装结构设计方法。介绍研究思路、设计方案、二维针织时装样板绘制思路,结合160/84A号型针织时装基础款上衣设计案例,采用Runway 3D三维虚拟试衣系统,详细阐述利用3D虚拟试衣技术实现针织时装结构和面料设计与修改,同时直观展示成衣款式的立体试穿效果。通过三维虚拟试衣,实现了针织时装结构设计的即时性,提高了样板制作效率及精确度,可以缩短服装产品开发时间。     

基于风格迁移的虚拟试穿研究

针对现有方法无法满足为用户设计个性化服装的同时呈现出试穿效果的问题，提出一种结合风格迁移的虚拟试穿方法。首先通过语义分割算法对用户图像和服装图像进行处理以指导虚拟试穿合成，利用ALIAS归一化保留服装的细节；其次利用VGG19网络分别提取内容图像和风格图像的特征，将符合用户个性化审美的图像风格化；最后利用纹理编码器提取风格化图像的特征，并将其迁移到用户图像的服装区域，实现符合用户需求的个性化试衣效果。实验结果表明，基于风格迁移的虚拟试穿方法可以让用户直观看到个性化服装的上身效果，为以消费者决策为导向的交互式智能服装试穿平台的开发提供思路。     

基于服装结构特征识别的相似样板匹配技术

为提高服装制版效率,实现从服装款式图到样板的智能检索,提出一种基于服装结构特征识别的相似样板匹配技术。该技术将服装结构制版知识与深度学习算法结合,基于对女裤中的廓形、褶裥、腰头类型等18个细粒度特征的识别来匹配样板。其中,技术的实现主要包括分类标签设计和模型验证实验。对于分类标签设计：先根据女裤结构制图知识,对平面款式图中可作为样板相似性评价指标的服装结构特征进行定义,并根据定义设置多标签类别;然后将多标签分类转化为单标签多分类,建立平面款式图、结构特征和样板三者之间的联系;最后通过数据可视化等方法对标签之间的相关性进行研究,并设计了最终的18个分类标签。对于模型验证实验：首先建立以女裤平面款式图为样本的服装数据集,基于数据集的特点对经典AlexNet网络进行改进,其中包括简化网络结构、减少模型参数、防止过拟合,在每层卷积层后增加批归一化操作,以加快模型的收敛速度,提高模型的泛化能力。模型测试结果表明：改进后的模型在验证集上的准确率为83.4%,相比改进前的AlexNet模型其准确率提高了6.7%;与其它结构更复杂的网络模型相比,该模型的准确率更高,综合性能更好,可用于款式图的结构特征...     

基于BP神经网络的女裙结构研究

为提高服装样板生成速率,减少对服装样板师的经验依赖,实现服装样板的自动生成,根据女裙结构设计方法,收集女性标准净体尺寸,建立女性标准净体尺寸与成衣尺寸相应变更规则的BP神经网络模型。通过输入人体净尺寸直接得到成衣尺寸,同时展示虚拟试衣界面,并进行效果评价。结果表明：预测模型模拟服装样板师经验,实现服装纸样生产智能化,缩短服装企业生产周期,具有较好的应用效果。     

虚拟试衣系统关键技术

虚拟试衣技术主要应用于服装新产品开发和试样、服装线上线下虚拟体验等领域。文章首先介绍了虚拟试衣系统在国内外的发展现状;然后从虚拟人体模型建立、面料仿真及服装虚拟试穿三个方面来分析虚拟试衣相关技术、模型工作原理及其存在的问题,其原理主要包括三维人体测量方法,面料仿真所涉及的几何法、物理法、混合法及其相关改进方法,服装虚拟试穿的碰撞检测模型;最后,结合研究现状及应用需求,针对虚拟试衣系统目前工作中存在的不足,对虚拟试衣系统进行总结和展望。     

基于纹理特征学习的高精度虚拟试穿智能算法

为更好地适应数字化时尚消费新趋势，针对虚拟试穿中人体姿态、遮挡、非试穿区串扰引起的重构纹理模糊、细节失真、相似度低等难题，提出一种高精度虚拟试穿C-CGAN智能模型。首先，利用服装蒙版定位和纹理约束，采用CGAN网络框架智能学习得到多姿态下的服装重构模型。然后，采用编解码网络融合重构服装与人体特征，并设计多种针对性的损失函数优化网络参数。最后，基于国际流行虚拟试穿模特样本库构建丰富的纹理数据集，在PyTorch环境下开发了服装虚拟试穿系统。对比测试结果表明：C-CGAN较CP-VTON生成图像质量指标，结构相反性提高约25%,弗雷歇距离降低约11%,峰值信噪比提高约78%,重构纹理自然细腻、图像清晰，场景适应性良好，可广泛用于个性化时尚定制、在线试穿等领域。     

服装松量设计及表征模型构建研究进展

为揭示服装松量与虚拟试衣、服装样板设计的关系,以松量分类为基础,分别从松量影响因素、研究方法及松量表征等3个层面解析服装松量设计。归纳了松量表征方法的特点,阐述了松量表征模型的最新研究进展,分析了松量在虚拟试衣和服装样板设计中的作用。研究表明:有效的松量设计应充分考虑人体着装形态、服装合体性及舒适性等因素,松量的直接表征和间接表征从不同角度体现了服装与人体间的关系;应将松量充分结合至虚拟试衣和服装样板设计,以促进虚拟服装的真实性,实现服装样板的智能化设计。研究认为松量的三维空间表征、连续动态分布和服装三维空间松量预测模型研究是未来主要探索方向。     

服装款式图识别与样板转换技术研究进展

为揭示款式图与服装样板之间的转换机制,概述了依据款式图进行人工制板的过程和方法,阐述了服装款式图特征参数识别和机器学习识别2种识别方法,重点论述在款式图识别基础上的样板转换技术,并对其优缺点进行了分析。参数化和匹配转换是目前最常用的样板转换方法:参数化转换适用于款式结构较为定型的服装,转换精度高,但不同款式图需要建立各自的转换模型;匹配转换可实现样板的快速转换,鲁棒性高,且规避了样板设计规则,不足是精度较低,且前期需要构建庞大的数据集作为训练集。研究认为,未来可从细化款式图识别粒度、服装款式图面料参数样板多领域跨域匹配、部件化样板智能生成3个领域开展相关研究。     

人体着装运动舒适性的研究现状与发展趋势

回顾了着装运动舒适性研究的发展历程,结合人体的体形特征,从人体与服装之间的余量、面料性能特征、服装的版型结构及工艺处理等方面对着装运动舒适性的影响进行了分析,并介绍了着装运动舒适性测评的相关方法,展望了着装运动舒适性的发展趋势。     

基于复杂网络提取和支持向量机模型分类的服装领型研究

为解决服装打版中款式自动搜索的问题,以服装衣领款式的结构特征为背景,以服装圆领型图像为例,先通过构建复杂网络对其进行复杂网络特征的描述与提取,然后采用支持向量机的模型实现8种衣领类型图像的分类。实验结果表明:样本整体的平均分类准确率为98%,各类别的平均分类准确率均达到96%以上,其中,圆领的平均分类准确率为100%;在原样本图像库中加入一定程度椒盐噪声和高斯噪声后,样本整体的分类准确率在80%上下浮动,表明支持向量机模型分类的方法适用于含有一定程度噪声的图像识别。因而,本文基于复杂网络提取和支持向量机模型分类的服装领型研究的提取和分类准确率高,且分类结果相对稳定。     

基于三维人体扫描模型的衬衣版型生成方法

针对衬衣定制自动生成版型与体型匹配误差不可控问题,提出一种基于三维人体扫描模型的衬衣版型生成方法。首先,扫描目标人体获得个性化的三维人体模型,通过对模型截面曲线的几何特征分析,在三维人体模型上提取个性化体型特征点;使用服装制版标准人台,构建一个衬衣的标准三维基础模型;然后,使用保刚性变形算法,以个性化体型特征点为约束,实现该衬衣标准三维基础模型的变形;最后,使用基于质点-弹簧系统的三维模型展平算法,根据变形后的衬衣三维模型各个版片生成对应的二维版片,添加经实验验证的版片边缘线缩放量,生成适应目标体型的个性化衬衣版型。实验结果表明,该方法能够生成合体的衬衣版型,基于数字化模型和自动化处理算法,实现衬衣版型的自动化生成,保证个性化制版的精度,并提高制版效率,为服装智能生产制造提供技术解决方案。     

防护服装结构设计对着装舒适性的影响

服装结构设计是影响防护服装着装舒适性的重要因素之一。通过对国内外多种防护服装结构设计的研究现状进行回顾,并结合已有的相关研究结果,分别从服装衣下空隙、服装开口、部位结构以及防护服整体结构优化设计4个方面分析了防护服装的结构设计对着装舒适性的影响,总结了防护服装着装舒适性的评价方法,提出采用并行工程的设计概念进行防护服装的结构设计。     

基于分类特征提取和深度学习的牛肉品质识别

目的：降低数据差异性和光谱特征冗余度对牛肉品质识别的影响。方法：提出一种基于分类特征提取和深度学习的牛肉品质识别方法,采用改进的DPeak算法对光谱数据进行自适应聚类分析,实现对数据的差异性分析。定义牛肉光谱特征提取目标函数,采用离散狮群算法进行求解,提取每个分类的最佳光谱特征子集,最大限度降低特征冗余度。运用改进狮群算法(ILSO)对每个分类对应的支持向量机(SVM)模型参数进行优化,提出融合分类特征提取和ILSO优化SVM的牛肉品质识别模型,完成对牛肉品质的分类识别。结果：相比于SSA-SVM、PCA-SVM识别模型,该模型识别精度提高了约12.3%~14.5%。结论：基于分类特征提取和深度学习的牛肉品质识别模型能够提高牛肉品质识别精度。     

基于C/S模式的女子体型识别及应用

 采用C/S模式,建立女子体型的识别和应用系统。目的在于经过对三维人体数据的研究,生成符合人体尺寸的服装样板,应用于服装企业的生产中,以满足消费者的个性化需求。首先,通过三维人体扫描仪,采集江浙青年女子人体数据,构建人体数据库;再次,根据企业的服装款式,建立基本的样板数据库;最后,利用BP神经网络对个体特征参数进行识别分类,形成个性的服装样板图。这一系统通过VB.NET平台的自制软件得以实现,企业试用效果良好。     

基于电子舌及一维深度CNN-ELM模型的普洱茶贮藏年限快速检测

采用伏安电子舌对不同贮藏年限的普洱茶进行快速检测。将深度学习技术引入到电子舌的模式识别中,提出一种基于一维卷积神经网络(1-D CNN)与极限学习机(ELM)组合的模式识别模型(1-D CNN-ELM)。采用该模型结合伏安电子舌对5种不同贮藏年限的普洱茶进行分类鉴别,结果表明,与传统基于离散小波变换(DWT)结合支持向量机(SVM)或极限学习机(ELM)的模型相比,1-D CNN-ELM对普洱茶贮藏年限的分类效果更优,其测试集准确率、精确率、召回率和F1-Score分别达到98.32%,98.0%,98.0%,0.98。试验表明深度学习方法适用于对电子舌信号进行模式识别处理,且具有较高的分类准确性和泛化能力。     

基于改进BP神经网络的的西服肩袖造型研究

 袖窿与袖子是服装结构中最复杂的部位之一,该部位的结构直接影响服装的肩袖造型和着装舒适性。本文把改进BP人工神经网络算法用于西服肩袖的造型设计, 实现了西服样板中袖与袖窿结构到成衣肩袖造型的自动映射, 并用30个样本对神经网络进行训练,10个样本进行测试,测试结果验证了该方法的有效性和精确性,对西服肩袖部位的造型具有预知性,减少袖疵病的发生,提高制板效率。