基于最少量输入的高精度虚拟服装悬垂空间的重构方法

The accuracy of virtual clothing is the key of virtual try-on. In this proposal, the dressing result of the real garment in the physical world is regarded as being in a stable shape of drape, and the re-dressing onto various body shapes and postures is considered as the transition of these shapes. To minimize the cost of surface reconstruction, we will start from scanning a flatten shape of a real garment, and then use the scanned 3D quasi-planar shape to obtain the so called "meta-patterns", which can be sewn and draped along the human body to generate the initial shape. Various dressing results under various body shapes and postures will be scanned to obtain the 3D points clouds accordingly. The initial shape will then be mapped onto these points clouds to form the corresponding 3D reference models for a data-driven procedure, which is adopted to enhance the accuracy of the internal force model of the virtual fabric. .To tackle the simulation towards body shape/posture variation, the winkles and folds during drape transition will be generated through a normal-preserved shape mapping based on optimized transformation gradient, and the surface penetration will be recovered through a mean value encoding/decoding scheme based on Laplacian coordinates. .Starting from the minimum inputs of scanned data, our proposed stable-shape reconstruction and transition technique can provide the clothing model with both low and high frequency deformations. The accuracy and speed can also be well balanced during the drape transition under various body shapes/postures. This approach can be regarded as an important innovation in generating highly accurate virtual clothing to meet the requirements of industrial applications.

虚拟服装的仿真精度是虚拟试衣应用中的关键。本项目提出将真实服装着装形态看作一个稳定的悬垂形态，而将其在不同体型/姿态下的其他着装形态看作为该悬垂形态的变迁。为了最小化表面重建的开销，首先从扫描平摊状态的准平面服装入手，生成其三维元裁片，再经过虚拟缝合与悬垂，得到初始形态。然后将该初始形态映射到不同体型和姿态下的扫描服装点云上，得到相应的参考模型用于数据驱动方案,以提高面料内力模型的精度。在此基础上，对于体型/姿态变化过程中的服装悬垂形态变迁，采用基于最优化变形梯度的法向守恒映射来生成其褶皱细节，而表面穿透补偿则通过基于均值编码/解码的拉普拉斯坐标来描述和求解。本项研究从最少量的扫描输入入手，所提出的稳态建立及变迁技术可为虚拟服装模型提供低频和高频变形特征，并可在不同体型/姿态下的服装悬垂形态变迁过程中兼顾速度与精度间的平衡，对于生成满足行业需求的高精度虚拟服装具有重要的创新意义。

本项目旨在解决虚拟服装重构过程中的仿真精度，特别是在二维服装版型未知，但三维服装实体已经存在的虚拟试衣场景下，如何将三维服装实体有效地转换为不同位姿空间下的三维虚拟服装对象。..有鉴于此，本项目提出将真实服装着装形态看作一个稳定的悬垂形态，而将其在不同体型/姿态下的其他着装形态看作该悬垂形态的一种变迁形式。由此展开了四个方面的研究：1）首先从扫描平摊状态的准平面服装入手，生成相应的三维元裁片，再经过虚拟缝合与悬垂，得到初始稳态。2）然后将该初始形态映射到不同体型和姿态下的扫描服装点云上，得到相应的参考模型用于数据驱动方案,以提高面料内力模型的精度。3）对于体型/姿态变化过程中的服装悬垂形态变迁，先采用数据驱动算法，实现初始服装形态的优化，再采用基于最优化变形梯度的法向守恒映射来生成其褶皱细节。4）而整个过程中所出现表面穿透则通过基于均值编码/解码的拉普拉斯坐标来描述和补偿。..上述研究所取得的重要结果和相关关键数据集中在以下三个方面：.1）.虚拟服装的构成可以脱离二维版型缝合或者三维服装直接扫描的方案，改为从扫描其准二维平面的最少量输入方式入手，通过虚拟缝合构造三维构型。.2）.从最少量的扫描输入入手，所提出的稳态建立及变迁技术可为虚拟服装模型提供低频和高频变形特征，并可在不同体型/姿态下的服装悬垂形态变迁过程中兼顾速度与精度间的平衡，对于生成满足行业需求的高精度虚拟服装具有重要的创新意义，特别是由此生成的三维服装和人体数据集，可作为后续深度学习算法的基础关键数据集。.3）.可通过深度学习算法，将三维人体/服装二维轮廓或者剪影，与其三维点云或者表面模型，通过神经网络进行联合训练，从而实现端到端的从最少量输入直接构成三维对象的初始形态，然后再利用稳态变迁的思路，实现不同位姿下的虚拟试衣行为。..虚拟试衣所需三维仿真技术的核心和难点在于精度与速度间的平衡。本项目所提出的一整套完整的研究思路及相应成果（共发表SCI检索论文14篇，获批发明专利7项），能够较好地解决精度与速度兼顾，且三维服装生成过程无需预知二维版型，自动化智能化水平较高，为该领域的研究提供了创新型思路。