GarmageNet

GarmageNet是一个大规模、高保真的服装数据集，由Style3D Research发布。该数据集包含超过10,000个专业设计的服装资产，每个资产都配备了精确的裁剪图案和详尽的结构与风格注释。数据集旨在支持高效的图案编辑、材料精炼和动态人-布料动画工作流程，为高质量虚拟服装设计和模拟提供了新的可能性。

GarmageNet is a large-scale, high-fidelity clothing dataset released by Style3D Research. This dataset contains over 10,000 professionally designed clothing assets, each equipped with precise cutting patterns and comprehensive structural and stylistic annotations. The dataset aims to support efficient pattern editing, material refinement, and dynamic human-cloth animation workflows, opening up new possibilities for high-quality virtual clothing design and simulation.

搜集汇总

数据集介绍

构建方式

GarmageNet数据集的构建采用了工业级标准，通过整合高分辨率3D服装网格与对应的2D缝纫图案，实现了多模态数据的精确对齐。研究团队首先收集了2,856个专业建模的服装资产，随后利用公开的12,207个服装缝纫图案，通过预训练的GarmageNet模型自动生成初始3D几何形状和缝合配置。通过Style3D Studio进行批量模拟，并由专业建模师验证结果，最终形成了包含11,474个服装资产的数据集。每个资产均包含顶点对齐的UV坐标、精确的缝合顶点对、面板语义标签及详细设计描述，确保了数据的高保真度和工业适用性。

特点

该数据集的核心特点在于其双模态表示体系，即Garmage表示法，将服装编码为结构化面板几何图像集合。这种表示不仅保留了非水密多层几何的精确拓扑，还通过alpha通道显式存储缝纫图案信息，实现了2D图像算法与3D建模流程的无缝衔接。数据集涵盖13.61±5.74个面板/服装，包含14,219±9,003个顶点和25,937±1,654,228个三角面片，并配备八维风格描述（如廓形、省道、腰线等），为生成式AI训练提供了丰富的结构化监督信号。

使用方法

使用该数据集时，研究者可通过文本提示或原始缝纫图案两种条件输入方式驱动GarmageNet生成服装。生成过程采用分层扩散框架：首阶段拓扑去噪重建边界框与比例特征，次阶段几何去噪细化潜在几何细节。生成的Garmage表示可通过PanelJigsaw算法自动转换为矢量缝纫图案，并集成至Clo3D等工业软件进行材质编辑与动态模拟。数据集特别适用于跨模态服装生成、缝纫关系预测及物理仿真等研究方向，其标准化管道支持持续扩展新数据形成正向反馈循环。

背景与挑战

背景概述

GarmageNet是由浙江理工大学、浙江大学CAD&CG国家重点实验室以及Style3D Research的研究团队于2025年推出的一个创新性服装建模数据集。该数据集旨在解决高保真服装建模领域长期存在的两大核心问题：缺乏大规模高质量数据集以及缺乏能够处理非封闭多层几何结构的高效表示方法。研究团队提出的Garmage表示法通过将复杂多层服装的精确几何形状和缝制图案编码为结构化面板几何图像集，实现了2D图像算法与3D建模工作流的无缝集成。这一突破性成果显著提升了虚拟服装设计与模拟的质量和效率，为计算机图形学研究和时尚产业应用提供了重要支持。

当前挑战

GarmageNet面临的挑战主要体现在两个方面：在领域问题方面，传统服装建模方法难以处理复杂的多层几何结构和精确的缝制约束，而现有生成方法往往无法满足仿真引擎所需的厘米级精度要求；在构建过程方面，数据集创建面临高质量3D服装扫描数据稀缺、缝制图案标注困难、多层服装结构表示复杂等挑战。此外，如何将生成的服装资产无缝集成到现有生产工作流程中，确保其与行业标准仿真管道的兼容性，也是该数据集需要解决的关键技术难题。

常用场景

经典使用场景

GarmageNet数据集在计算机图形学和虚拟服装设计领域具有广泛的应用。其经典使用场景包括高保真虚拟服装的生成与建模，特别是在需要处理多层、非封闭几何结构的复杂服装设计时。该数据集通过结构化面板几何图像（Garmage）实现了2D与3D的无缝转换，为设计师提供了从初始设计到最终模拟的全流程支持。

实际应用

在实际应用方面，GarmageNet数据集为多个行业带来了革新。在娱乐和游戏产业中，它能够生成逼真的虚拟服装，提升数字角色的沉浸感；在电子商务领域，准确的3D服装原型可以优化产品开发流程，降低生产成本；在时尚设计领域，设计师可以通过该数据集快速实现创意概念的3D可视化。数据集与主流布料建模软件的无缝集成，进一步扩展了其在工业生产中的应用潜力。

衍生相关工作

GarmageNet数据集衍生出了一系列相关研究工作。基于其Garmage表示法，研究者开发了PanelJigsaw方法，用于预测点级缝制关系；在生成模型方面，该数据集支持了扩散基的服装生成框架GarmageNet的开发。此外，数据集还促进了文本到服装、缝制图案到3D服装等条件生成方法的研究。这些工作共同推动了虚拟服装建模领域的技术进步，为后续研究提供了重要基础。