Design2Cloth: 3D Cloth Generation from 2D Masks

近年来，数字化头像研究领域发生了显著变化，向着对穿衣人体形象进行建模、动画化和重建的方向发展，这是创造逼真头像的关键步骤。然而，目前的3D服装生成方法要么只适用于某些特定的服装，要么完全基于合成数据训练，因此缺乏细节和逼真度。在这项工作中，我们迈出了朝着自动逼真服装设计的一步，提出了Design2Cloth，这是一个高保真度的3D生成模型，它是基于一个来自2000多个被扫描对象的真实世界数据集进行训练的。为了对时尚行业做出重要的贡献，我们开发了一个用户友好的对抗模型，能够通过绘制2D服装蒙版来生成多样化和详细的服装。在一系列定性和定量实验中，我们展示了Design2Cloth在服装生成模型方面远远超过了目前最先进的技术。除了我们网络的生成属性之外，我们还展示了所提出的方法可用于从单张野外图像和3D扫描中实现高质量的重建。数据集、代码和预训练模型将公开发布。

本论文旨在解决数字化身研究领域中，3D布料生成方法缺乏细节和真实性的问题，提出一种高保真度的3D生成模型Design2Cloth。

Design2Cloth是一种基于真实世界数据集训练的生成模型，可以通过简单的2D布料掩模生成多样化和详细的服装设计。该方法不仅可以生成高保真度的服装模型，还可以从单张自然图像和3D扫描中实现高质量的重建。

论文提出的Design2Cloth模型在定性和定量实验中均表现出比当前最先进的布料生成模型更好的性能。此外，该模型还可以为时尚行业做出重要贡献，因为它是一种用户友好的对抗性模型，可以生成多样化和详细的服装设计。作者还将数据集、代码和预训练模型公开。

在数字化身研究领域中，还有其他相关的研究，如3D人体建模、人体姿势估计和服装重建。其中一些相关论文包括《End-to-End Recovery of Human Shape and Pose》、《TailorNet: Predicting Clothing in 3D as a Function of Human Pose, Shape and Garment Style》等。