CTP-HD

CTP-HD是由浙江大学团队构建的高分辨率服装与纺织品图案配对数据集，旨在解决纺织图案生成任务中缺乏高质量基准数据的问题。该数据集包含服装图像及其对应的精细图案图像，通过真实穿着服装采集而成，具有复杂的纹理细节和多样化的设计元素。数据通过专业设备采集和人工标注流程构建，应用于服装设计领域，支持基于扩散模型的纹理生成研究，显著提升了图案生成的保真度和结构一致性。

原始信息汇总

SLDDM-TPG 数据集概述

数据集目的

用于高质量纺织图案生成（TPG），即从服装图像生成纺织图案。

数据集构成

本方法使用两个数据集：

1. VITON-HD：公开可用数据集。
2. CTP-HD：作者提供的配对数据集，包含成对的“服装 <-> 纺织图案”图像。

数据集目录结构

数据集需按以下层级结构组织：

<dataroot_path>/ (例如：/home/dataset/CTP-HD/) ├── cloth/ # 原始服装图像（如 .jpg 或 .png） ├── cloth_mask/ # 对应的服装掩码 ├── pattern/ # 目标纺织图案图像 ├── train.txt # 训练图像文件名列表（例如：0001.jpg） └── test.txt # 测试图像文件名列表

数据集获取

• VITON-HD：可从 https://github.com/shadow24969/VITON-HD 获取。
• CTP-HD：未提供直接下载链接，但可在项目 assets/cases 文件夹中查看示例。

搜集汇总

数据集介绍

构建方式

在纺织图案生成领域，高质量数据集的构建是推动算法发展的关键。CTP-HD数据集作为首个高分辨率配对数据集，专门针对服装图像与纺织图案图像的映射关系而设计。该数据集共包含9,804对经过精确标注的服装图像及其对应的纺织图案真值，所有图像均统一为501×821像素的高分辨率格式，确保了视觉细节的丰富性与一致性。此外，数据集还额外收集了超过10,000张未标注的服装图像，为半监督学习提供了重要支持。通过系统性的数据采集与配对标注流程，CTP-HD为纺织图案生成任务建立了可靠的基准，有效弥补了该领域训练数据稀缺的空白。

特点

CTP-HD数据集在纺织图案生成研究中展现出多方面的显著特点。其高分辨率图像格式保留了服装纹理与图案的细微结构，为模型学习精细视觉特征提供了坚实基础。数据集中服装图像与图案图像之间的严格配对关系，使得算法能够直接学习从真实穿着服装到平整纺织图案的映射过程。同时，数据涵盖了多样化的图案风格，包括花卉、几何等复杂设计元素，增强了模型的泛化能力。数据集规模的充足性以及标注质量的可靠性，共同支撑了生成模型在保真度、结构一致性与细节还原度等方面的性能评估，为纺织设计自动化研究提供了宝贵的资源。

使用方法

在纺织图案生成的算法研究中，CTP-HD数据集主要用于训练与评估生成模型的学习性能。研究人员通常将数据集划分为训练集、验证集与测试集，以服装图像作为条件输入，对应的纺织图案作为生成目标。在训练阶段，模型学习从服装图像中解耦纹理缺陷并提取图案语义内容，进而生成结构平整、细节清晰的图案图像。评估时则采用FID、SSIM、LPIPS等指标量化生成结果与真值之间的视觉相似度与质量。此外，数据集中未标注的服装图像可被用于半监督学习框架，以提升模型在有限标注数据下的泛化能力。该数据集也为跨领域迁移学习提供了测试平台，例如在VITON-HD等虚拟试穿数据集上验证模型的适应性。

背景与挑战

背景概述

CTP-HD数据集由浙江大学与杭州城市大学的研究团队于2026年创建，旨在推动纺织图案生成领域的研究。该数据集的核心研究问题在于解决从真实穿着服装图像中提取并重构高保真、细粒度纺织图案的挑战，填补了现有图像到图像生成模型在处理复杂纹理与非刚性形变时特征混淆的空白。作为首个高分辨率、大规模配对的服装与纺织图案图像数据集，CTP-HD不仅为半监督潜在解缠扩散模型提供了关键训练基础，还对时尚设计、服装制造等领域的智能化转型产生了深远影响。

当前挑战

CTP-HD数据集所针对的纺织图案生成任务面临多重挑战。在领域问题层面，核心挑战在于如何从包含纹理缺陷、非刚性形变的服装图像中，准确解耦并提取出清晰的图案语义内容，同时生成具有规则结构布局的高保真图案图像，这要求模型具备细粒度的特征解缠与重建能力。在数据集构建过程中，挑战主要源于高质量配对数据的稀缺性，即需要大规模采集并精准对齐真实服装图像与其对应的平整纺织图案，同时确保图像分辨率统一且标注一致，以支撑模型对复杂纹理细节与全局结构的联合学习。

常用场景

经典使用场景

在纺织图案生成领域，CTP-HD数据集作为首个高分辨率成对数据集，为基于服装图像的细粒度图案合成提供了关键支持。该数据集的核心应用场景在于训练和评估先进的图像到图像生成模型，特别是针对服装图像中复杂纹理与图案内容的特征解耦任务。通过提供大量标注的服装-图案图像对，研究者能够系统探索如何从自然穿着服装中准确提取并重建出结构清晰、细节丰富的纺织图案，从而推动计算机视觉与时尚设计的交叉研究。

实际应用

在实际应用中，CTP-HD数据集为时尚产业与纺织制造业提供了智能化设计工具的开发基础。基于该数据集训练的模型能够将日常服装图像转化为可直接用于生产的纺织图案，大幅降低设计成本并缩短开发周期。设计师可通过输入任意服装照片，快速获得结构规整、色彩协调的图案方案，应用于服装定制、家居纺织及数字面料库构建等领域。此外，该技术还可扩展至虚拟试衣与时尚推荐系统，为用户提供个性化的图案设计与搭配服务。

衍生相关工作

围绕CTP-HD数据集，已衍生出多项经典研究工作，主要集中在特征解耦与半监督生成两大方向。以SLDDM-TPG为代表的方法首次构建了潜在解耦网络与半监督潜在扩散模型的联合框架，为纺织图案生成设立了新的性能基准。后续研究在此基础上进一步探索了跨模态引导机制、多尺度对齐策略以及无监督域适应技术，推动了图像到图像生成在纹理敏感任务中的通用化发展。这些工作不仅深化了对服装图像语义结构的理解，也为其他细粒度生成任务提供了可借鉴的范式。