上海科技大學、賓夕法尼亞大學、Deemos科技和NeuDim科技的研究人員聯(lián)合推出了一個創(chuàng)新模型DressCode。
用戶通過DressCode只需要輸入文本就能生成各種精美的3D服裝模型,例如,一件法式蕾絲邊的連衣裙;紅色絲綢的睡衣等。
DressCode不僅能根據(jù)提示文本生成相應的服裝樣式,還能生成不同類型的材料,包括羊毛、蕾絲、絲綢等布料,并添加真實的物理光照幫助設計人員查看不同場景下的效果。
該模型可幫助VR、AR、影視、游戲開發(fā)、電商平臺等領域的設計人員加速3D內(nèi)容的開發(fā)效率。
SewingGPT
SewingGPT是DressCode的核心模塊之一,基于Transformer架構(gòu)主要用于提示文本語義理解和生成。
為了使DressCode能夠生成服裝圖案,研究人員采用了一種新穎的量化過程,將裁剪圖案轉(zhuǎn)化為tokens序列,并使用僅包含解碼器的Transformer模型進行tokens預測,以增強生成內(nèi)容的準確性。
當SewingGPT接收到一段文本描述,例如,設計一款夏季棉質(zhì)連衣裙,V領,腰部有褶皺設計,裙擺為A字形。會通過Transformer解析這段描述中的關(guān)鍵提示詞、夏季、棉質(zhì)、V領、褶皺等以及它們之間的語義關(guān)系,幫助模型準確地捕捉到服裝每個模塊之間的細微差別。
在理解提示文本語義之后,SewingGPT會生成一組結(jié)構(gòu)化指令。這些指令不僅包括服裝的外觀特征,還包括具體的裁剪方式、縫合順序、特定部位的處理技巧。
例如,上面所提到的連衣裙文本描述,SewingGPT可能生成指令指出V領的具體尺寸和弧度、褶皺的數(shù)量和分布模式、A字裙擺的展開角度等。這確保了設計的可實施性,即便在高度定制化的設計中也能保持精確。隨后,這些指令被送到3D建模引擎并結(jié)合面料物理屬性數(shù)據(jù)庫進行建模。
SewingGPT還提供了一個循環(huán)反饋機制,允許用戶對生成的初步3D模型進行效果評估,并提出修改意見,幫助模型進行自動迭代。
渲染與展示模塊
在接收到結(jié)構(gòu)化指令后,渲染模塊會進一步分析文本提示詞中的分析材質(zhì)和紋理的關(guān)鍵詞匯區(qū)別,麗日,光滑的絲綢、粗糙的牛仔布、柔軟的羊毛等,并將這些文本描述映射到材質(zhì)庫中的對應材料中。
材料庫中的每種材質(zhì)均被詳盡記錄屬性,反射率、透光度、彈性、摩擦系數(shù)等以及微觀結(jié)構(gòu)特征,這些數(shù)據(jù)可以使得渲染出來的3D服務模型更加逼真符合實際要求。
為了確保3D服裝在運動狀態(tài)下的自然垂墜與動態(tài)效果,DressCode集成了高級的布料動力學算法。這些算法基于物理模擬,能夠精確計算布料與服裝內(nèi)部結(jié)構(gòu)之間的相互作用,如褶皺形成、擺動、拉伸等,使服裝在虛擬模特走動或旋轉(zhuǎn)時的表現(xiàn)與真實服裝幾乎一樣。
此外,為了更好地展示3D模型,DressCode提供了豐富的可定制虛擬模特,涵蓋不同體型、膚色和風格,以適應多樣化的設計需求。同時,內(nèi)置的動作庫支持從靜態(tài)展示到復雜走秀動作的設置,使用戶能夠全方位評估服裝的動態(tài)表現(xiàn)和穿著效果。
所有預覽都是可視化操作,用戶可以通過簡單的操作旋轉(zhuǎn)、縮放、平移3D模型,從多個角度審視服裝細節(jié),這對于那些非專業(yè)設計人員來說非常有幫助。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹慎對待。投資者據(jù)此操作,風險自擔。
2024年的Adobe MAX 2024發(fā)布會上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實質(zhì)性的幫助,雙十一期間低至2799元,性價比很高,簡直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標識解析專題論壇在沈陽成功舉辦。