GarmentCodeData - 大规模3D定制服装合成数据集

GarmentCodeData由苏黎世联邦理工学院与多特蒙德工业大学联合构建，是首个大规模的3D定制服装与缝纫图案的合成数据集。该数据集包含115,000个数据点，涵盖了多种设计，如上衣、衬衫、裙子、连体裤、裤子等，并适配多种基于CAESAR人体模型和标准参考人体形状的身体尺寸，同时应用了三种不同的纺织材料。为创建该数据集，研究者提出了一套算法，自动采集样本人体尺寸的裁缝测量数据，缝纫图案设计的采样策略，并提出了一个基于快速XPBD模拟器的开源3D服装披挂流程。该流程包括解决碰撞问题和确保披挂正确性的多种解决方案，以支持数据集的可扩展性。GarmentCodeData的应用领域广泛，从服装设计、虚拟试衣到3D服装重建等多个方面，为服装与时尚产业的创新发展提供了强有力的数据基础。

GarmentCodeData was jointly developed by ETH Zurich and Technische Universität Dortmund, and it is the first large-scale synthetic dataset of 3D custom garments and sewing patterns. This dataset contains 115,000 data points covering a variety of garment designs such as tops, shirts, skirts, jumpsuits, trousers and more. It supports a wide range of body sizes based on the CAESAR human body model and standard reference human body shapes, and incorporates three different textile materials. To construct this dataset, the researchers proposed a set of algorithms that automatically collect tailor's anthropometric measurement data for sampled human body sizes, a sampling strategy for sewing pattern design, as well as an open-source 3D garment draping pipeline based on the fast XPBD simulator. This pipeline incorporates multiple solutions for collision resolution and ensuring draping accuracy, which supports the scalability of the dataset. GarmentCodeData has broad application scenarios, including garment design, virtual try-on, 3D garment reconstruction and other fields, providing a solid data foundation for the innovative development of the apparel and fashion industries.

搜集汇总

数据集介绍

构建方式

GarmentCodeData数据集的构建基于大规模的3D定制服装合成，通过引入自动化的生成管道，实现了从虚拟试穿到生成和重建的全过程。该数据集包含了115,000个数据点，涵盖了多种常见服装类别，如上衣、衬衫、连衣裙、连体裤、裙子和裤子等，并针对基于CAESAR数据库的自定义统计身体模型以及标准参考身体形状进行了适配，应用了三种不同的纺织材料。为实现这一复杂数据集的创建，研究团队开发了一系列算法，用于在采样的身体形状上自动获取裁缝测量数据，设计缝纫图案的采样策略，并提出了基于快速XPBD模拟器的自动3D服装悬垂管道，同时贡献了多个解决方案以解决碰撞问题和确保悬垂的正确性，从而实现可扩展性。

特点

GarmentCodeData数据集的主要特点在于其大规模、多样性和高质量。数据集包含了115,000个设计样本，每个样本都适配于随机身体形状和标准中性身体模型，并附带有地面真值缝纫图案和3D悬垂网格，以及分割标签、初始面板形状对应的UV贴图、身体测量数据、设计参数和基本渲染用于可视化。设计涵盖了广泛的服装类型，包括下装、上装和全身装。此外，数据集的生成管道是开源的，允许研究人员和开发者自由使用和扩展，从而促进了服装设计、虚拟试穿和重建等领域的研究。

使用方法

GarmentCodeData数据集的使用方法多样，适用于服装设计、虚拟试穿、3D服装重建等多个领域。研究人员可以利用该数据集训练机器学习模型，以实现从图像或3D模型中获取服装静止形状的功能。此外，数据集中的缝纫图案和3D悬垂模型可以用于开发和测试新的服装设计算法，以及研究服装材料和身体形状对服装悬垂的影响。数据集的开放性和详细标注使其成为学术研究和工业应用的宝贵资源，有助于推动服装相关技术的进步。

背景与挑战

背景概述

随着虚拟试衣和服装生成与重建等基于学习的技术的兴起，高质量公共数据的稀缺性成为该领域研究的瓶颈。GarmentCodeData数据集由ETH Zurich和TU Dortmund的研究团队于2024年创建，旨在填补这一空白。该数据集包含了115,000个3D定制服装样本，涵盖了多种常见服装类别，如上衣、衬衫、连衣裙、连体裤、裙子和裤子等，并适用于基于CAESAR数据库的自定义统计身体模型和标准参考身体形状。其核心研究问题是如何从原始输入（如图像和3D模型）中获取服装的静止形状，这对于生成模型、虚拟试衣间和逼真的全身虚拟形象的重建至关重要。GarmentCodeData的发布不仅为服装设计与生产提供了关键的连接，还为服装编辑和应用各种外观模型和面料提供了基础。

当前挑战

GarmentCodeData数据集在构建过程中面临多个挑战。首先，从现实世界数据中收集具有所需规模和多样性的数据集面临版权、付费墙和数据不可用等重大问题。其次，生成具有代表性的合成数据集仍然是一个难题，尤其是在设计与身体形状的多样性方面。此外，数据集的生成管道需要解决初始碰撞问题，确保服装在不同身体模型上的正确悬挂。最后，数据集的质量控制也是一个关键挑战，需要排除不符合质量标准的样本，以避免对训练模型的误导。这些挑战不仅影响了数据集的构建过程，也对其在实际应用中的有效性提出了考验。

常用场景

经典使用场景

GarmentCodeData 数据集的经典使用场景主要集中在虚拟试衣和服装设计领域。通过该数据集，研究人员可以训练和验证基于深度学习的服装重建和虚拟试衣算法。数据集中的3D服装模型和相应的缝纫图案标签为算法提供了丰富的训练数据，使得模型能够从图像或3D模型中准确地重建服装的CAD表示。

解决学术问题

GarmentCodeData 数据集解决了学术界在服装CAD表示重建方面的关键问题。传统的服装数据集缺乏高质量的缝纫图案标签，限制了基于学习的服装重建技术的发展。该数据集通过提供大规模的3D定制服装模型及其对应的缝纫图案，填补了这一空白，推动了虚拟试衣、服装生成和重建等领域的研究进展。

衍生相关工作

GarmentCodeData 数据集的发布催生了一系列相关研究工作。例如，基于该数据集的服装重建算法研究，如 NeuralTailor 和 Sewformer，进一步提升了从3D点云中重建服装缝纫图案的精度。此外，该数据集还激发了在虚拟试衣和服装生成领域的创新应用，推动了相关技术的商业化进程。