基于服装款式平面图的三维款式效果显示研究

本文介绍了由服装的款式平面图研究三维款式效果显示的途径,提出了一种非传统的实现三维着装效果显示的方法,即在款式平面图的基础上,结合标准人台的三维数据点,增加适当的服装空隙量来获取款式三维造型点并构造服装曲面,为服装的款式设计提供更直观的帮助。     

款式特征描述符的服装图像细粒度分类方法

针对服装图像大多基于简单款式的粗粒度分类导致分类准确率较低的问题,以款式多样的时尚女装为例,提出一种款式特征描述符的服装图像细粒度分类方法.首先结合时尚女装训练集对输入的待分类时尚女装图像进行部件检测;然后分别提取部件检测后时尚女装图像以及训练图像的HOG, LBP,颜色直方图和边缘算子4种底层特征,得到特征提取后的图像;再将自定义的款式特征描述符与提取到的4种底层特征进行匹配,采用随机森林和多类SVM对时尚女装款式和属性进行监督学习;最后实现时尚女装图像的细粒度分类并输出结果.实验结果表明,该方法能准确地检测并分类出不同服装,提高了服装分类的精度和准确率,能较好地满足实际应用中的需求.     

基于机器学习的服装款式知识库设计

基于机器学习的服装制造流程管理与控制系统的开发应用,可以摆脱长期以来服装制造流程的手工操作方式,缩短生产周期,达到智能化制衣的目的。而基于机器学习的服装智能化制造的实现又依赖于服装制造流程中各环节所对应的服装知识库信息的支撑。款式设计作为服装制造流程中不可缺少的一部分同样也依赖于款式知识库中信息的支撑。本文主要描述款式知识库的设计原理、设计方法和它的应用。     

Adobe Illustrator软件绘制服装款式图方法研究

本文研究了Adobe Illustrator软件绘制服装款式图的三种方法,并对三种方法的优缺点进行了对比。     

基于Web技术的服装款式图设计系统

针对服装企业款式设计瓶颈现象,利用Web技术开发网络化服装款式图设计系统.该系统采用C/S架构,服务器端建立4层服装款式部件数据库,提供信息服务平台;客户端通过Web技术进行远程数据获取,利用部件自动拼接技术实现服装款式图设计.     

基于款式设计的虚拟三维服装真实感效果模拟

介绍了由服装的二维款式设计研究三维款式真实感效果显示的步骤,并对人台参数化建模、服装的变空隙量模型等技术进行实践,提出了一种实现三维着装效果显示方法,为款式设计提供直观帮助.通过二维款式平面图到三维图形的映射得到可控的三维服装,通过精确可靠的三维数据模拟三维款式效果.在三维服装上添加全局纹理映射和多重纹理映射以及褶皱效果,增强服装设计可视化效果.     

面向2D虚拟试穿的服装推理变形仿真方法

为了提高当前服装E-Commerce领域2D虚拟试穿展示效果,提出一种基于图像处理技术的服装推理变形仿真方法。采用边缘检测方法提取标准模特图像的特征曲线,检测个性化体型模特图像的体型参数值,获取已变形的各特征区域的外轮廓,进而确定服装试穿素材图像待变形区域外轮廓,对服装试穿素材图像待变形各区域进行插值处理,得到变形后的服装试穿素材图像,从而模拟基于个性化体型的试穿效果。仿真实验结果证明了该方法具有较高的鲁棒性与有效性。     

面向非专业人士的服装CAD系统

采用结合专业知识编码的遗传算法寻优,并使用人工神经网络逼近适合度函数,建立了一个面向非专业人士的服装CAD系统,得到了很好的效果。这是一个创新性的想法。建立这样的服装CAD系统对形成我国服装企业的快速反应体系具有深远意义。     

采用交互式缝合设置的三维服装模拟技术

目前, 国内外对于三维服装试衣技术的研究已逐渐深入, 但对于其中的关键步骤——服装衣片缝合信息的设置, 却少有成果. 服装的三维效果是通过缝合位于人体前后的二维衣片产生的, 精确及便捷的缝合设置是实现良好模拟效果的重要步骤之一. 在研究现有的三维虚拟试衣技术的基础上, 提出了缝合信息设定的方法流程, 并实现了交互式缝合设置过程. 在导入二维CAD衣片文件后, 经过交互式设置设定各衣片间的对应缝合边, 并以文件形式保存相关信息, 在试衣阶段通过导入该信息在对应衣片网格顶点间施加缝合力. 经实验, 通过该方法     

基于原型的三维服装款式智能CAD方法

服装业的发展对服装CAD技术的智能化、立体化提出了要求。该文在研究三维服装款式变化规律的基础上,构建三维服装款式数学原型;为了智能控制三维原型的变化,采用三次样条曲线和双三次曲面片构建三维服装原型;分析原型变换控制参数,研究款式变化与原型控制参数之间的关系,总结归纳出款式设计知识,建立相应知识库及推理机制。以服装衣领为例,实现了以款式描述输入驱动的智能衣领设计。     

一种单模型多风格快速风格迁移方法

多数图像风格迁移任务都是一个模型只能对应一种风格,这在实际应用场景中效率低下,提出一种单模型多风格的快速风格迁移方法,只使用一个模型就可以适应任意风格样式.使用一组线性变化分别对内容特征和风格特征进行转换,使用组合的风格损失函数来重建图像.分析比较了Avatar-net方法、AdaIN方法、Johnson的快速风格迁移...     

基于模糊规则的服装风格的区域量化与实现

服装风格的概念和影响因素十分复杂,是款式CAD实现智能化的难点所在。本文根据模糊规则,采用划分风格区域的方法对款式风格进行初步的量化。通过对具体款式的量化分析,对量化实现做了初步的探索。     

内容结构保持的图像风格迁移方法

现有的风格迁移算法大多是实现艺术作品到真实场景,如照片等的转换任务。在这种任务设定下,图像内容的边界等结构信息可能会出现一定程度的变化,然而这种变化不利于下游任务的完成,因而不适用于大部分工业场景。为此提出一种新的结构保持的风格迁移方法,该方法分为频域约束的图像生成模块和基于memory bank机制的语义匹配模块。前者用以保证转换前后图像的整体语义结构一致性,而后者保证了图像的语义与风格匹配,从而物体内部结构一致。为了验证该方法在工业场景中的迁移效果,采用光伏板数据集,在虚拟到真实的迁移方向上,所提出的风格迁移算法能在完成风格转换的同时较好地解决图像结构形变问题,进而满足后续任务的需求。     

甘肃彩陶的几何风格迁移

甘肃彩陶在中国各类彩陶文化中拥有最为完整的时空序列, 然而尚未有专门针对甘肃彩陶的风格迁移研究. 为弘扬中华优秀传统文化, 构建了甘肃彩陶数据集, 提出了一种几何风格迁移方法. 该方法生成了一个神经扭曲场, 将甘肃彩陶变形为目标对象的几何风格, 并保持了彩陶的纹理. 网络结构方面加入了位置嵌入和特征增强模块, 提高特征编码的质量. 损失函数方面引入了形状一致性损失和平滑正则化项, 防止彩陶的细节发生突变, 提高变形效果. 实验结果表明, 该模型能够在甘肃彩陶与不同类的对象间进行大规模的几何风格迁移, 同时可以保持良好的彩陶细节, 产生新的视觉体验.     

基于风格迁移的手势分割方法

基于全卷积神经网络的手势分割方法过于依赖大量精准标注的训练样本,同时由于提取特征中缺乏足够的上下文信息,常出现类内不一致的错分现象。针对上述问题,本文提出一种基于风格迁移的手势分割方法。首先选择HGR-Net手势分割网络的前5层作为主干网络,并在主干网各层添加上下文信息增强层,使用全局均值池化操作,结合通道注意机制,增强显著性特征通道的权值,保证特征上下文信息的连续性,从而解决类内不一致问题;其次,本文还提出一种基于风格迁移的领域自适应方法,使用VGG网络,对源域测试图像进行风格迁移预处理,使其同时具有自身内容和目标域训练样本图像的风格,提高本文的手势分割模型的泛化能力,从而解决跨域样本的分割问题。使用OUHANDS数据集进行测试,本文的手势分割结果mIoU和MPA分别为0.9143和0.9363,较HGR-Net手势分割网络提高了3.2个百分点和1.8个百分点。使用本文的风格迁移方法,并在自采集数据集上进行测试,迁移后的mIoU和MPA值分别提高了19个百分点和23个百分点。本文的风格迁移领域自适应方法为无标记样本的跨域分割提供了一种新的思路。     

基于语义分割的图像风格迁移技术研究

随着民族服装文化的碰撞与融合,对图像风格迁移技术进行了研究,阐述了当前风格迁移的研究现状,将蒙古族服饰风格与汉族风格进行融合,继承和弘扬了民族文化。针对蒙古服饰元素多样、颜色差异大、花纹不规则性等特征而引起的风格提取难度大的问题,采用[K]均值与封闭式自然抠图算法相结合的方法进行图像分割,基于神经网络提取图像的风格和内容,利用图像重建技术合成结果图,实现蒙汉服饰图像风格迁移;针对输出图像伪影严重的问题,采取一种改进的图像风格迁移算法,将输入图像到输出图像的变换约束在色彩空间的局部仿射变换中,将这个约束表示成一个完全可微的参数项,有效抑制图像扭曲,针对真实照片风格迁移过程中存在的空间不一致问题,进行平滑处理确保风格处理后空间风格一致,该方法大大加快了运算速度。     

基于改进的弹簧-质点模型的三维服装模拟

针对三维服装造型与效果仿真中存在的模型复杂、模拟效率低、忽略服装的结构特征等问题,提出了改进的弹簧-质点模型.利用该模型统一建立了2D→3D映射和服装真实感模拟方程,给出方程中质点所受内力和外力的组成与表达式以及动态系统的推导和求解过程,并且描述了模拟的具体实现算法.改进的弹簧-质点模型克服了原有模型对服装织物的材料性能表达单一的缺点,考虑了拉伸、剪切、弯曲等力学性能以及省/褶等结构因素对服装外观的影响,实现了较复杂的服装外型.通过从效率与效果两个方面与其他模拟系统进行比较,发现该技术的模拟效率较高而且模拟结果较为真实.该模拟技术已经在服装企业推广应用,用户反映良好.     

多区域差异化的图像风格迁移算法

图像风格迁移技术可以自动地赋予图像不同的风格.现有的研究大多针对图像的整体或者图像中的单一区域进行风格迁移,在实际应用中难免存在局限性.在风格迁移过程中引入内容图像的语义信息,提出一种针对图像不同区域进行的差异风格化的方法.将内容图像经过语义分割后引入VGG损失网络,从而限定图像的风格化区域.分别在每个区域上计算各自的...     

基于深度学习的图像风格迁移研究综述

图像风格迁移是一种用不同风格渲染图像语义内容的图像处理方法。随着深度学习的兴起,图像风格迁移获得了进一步的发展,并取得了一系列突破性的研究成果。其出色的风格迁移能力引起了学术界和工业界的广泛关注,具有重要的研究价值。为推进基于深度学习的图像风格迁移的技术研究,本文对目前的主要方法和代表性工作进行了归纳与探讨。首先回顾了非参数的图像风格迁移,详细介绍了目前主要的基于深度学习的图像风格迁移的基本原理和方法,分析了图像风格迁移在相关领域中的应用前景,最后总结了基于深度学习的图像风格迁移目前存在的问题与未来的研究方向。     

基于图像风格迁移的端到端跨域目标检测

跨域目标检测是最近兴起的研究方向,旨在解决训练集到测试集的泛化问题.在已有的方法中利用图像风格转换并在转换后的数据集上训练模型是一个有效的方法,然而这一方法存在不能端到端训练的问题,效率低,流程繁琐.为此,我们提出一种新的基于图像风格迁移的跨域目标检测算法,可以把图像风格迁移和目标检测结合在一起,进行端到端训练,大大简...