基于计算机视觉与Canny算法的服装纸样轮廓提取

为提高服装二维纸样轮廓信息采集转换的准确性及方便性,设计了一种基于计算机视觉的服装纸样轮廓提取方法。将手机相机作为图像采集设备,采用相机标定的方法进行图像畸变矫正,对图像灰度化处理后进行伽马变换。通过改进的Canny算法对纸样图像进行边缘信息的提取,使用自适应双边滤波保边去噪;在原Sobel算子上增加了45°和135°方向的梯度模板计算梯度;采用自适应双阈值确定边缘;融合形态学算法处理轮廓;最后按需进行轮廓骨架提取。结果表明:本文方法适用于二维纸样的轮廓提取,其提取误差在0.15~1.50 cm之间,可实现单独对服装纸样的外轮廓、内轮廓及内外轮廓图的提取,完成轮廓的无差别提取,减少后期人工对轮廓图的编辑,提高二维纸样数字化录入效率。

GAN与Diffusion在传统纹样设计中的实验研究

传统纹样是中国优秀传统文化的重要组成部分,传统人工设计已经无法满足纹样的现代设计需求,生成式AI为传统纹样设计提供了新的设计路径和方法。文章将生成式AI应用于传统纹样设计中,通过适配实验优选基于GAN的Style GAN和基于Diffusion的Stable Diffusion两种主流图像生成模型进行实验,采用技术分析与艺术分析相结合,对实验结果进行多角度、多维度对比分析,为设计师选择生成设计方法提供参照。实验结果表明,两个模型均能满足基本的艺术设计需求。Style GAN模型生成的纹样图像更接近真实图像的分布,具有更高的图像质量和多样性;Stable Diffusion模型能较好地传承传统纹样的基因,艺术性与创造性兼具,更加符合传统纹样的艺术设计需求。

生成式AI在民族纹样设计中的实验研究

基于生成式人工智能(AI)的民族纹样设计实验研究,旨在为艺术设计师拓展纹样设计方法,促进纹样艺术的传承与发展。优选Stable Diffusion和触手AI两种AI生成技术进行实验与比较,采用定性与定量相结合的分析方法对实验结果进行综合评价。实验结果表明,Stable Diffusion生成的纹样能较好地传承民族纹样的基因,艺术性与创造性兼具,符合民族纹样的艺术设计需求,但图像质量较低;触手AI生成的纹样创新性较好、图像质量高,但容易偏离原始纹样,不能满足艺术设计的内容需求。实验有助于生成式AI深度应用在民族纹样等传统纹样设计中,推动传统纹样的现代设计转化。

基于扩散模型的联珠团窠纹再生设计研究

生成式人工智能正广泛应用于图像生成领域,为解决传统纹样设计方法创作联珠团窠纹耗时耗力的问题,研究扩散模型应用于联珠团窠纹再生设计的方法。通过对联珠团窠纹艺术结构特征的提取和扩散模型中交叉注意力模块的研究,设计有效的描述文本并重构扩散模型,提出以结构相似度作为参考标准,采用高斯函数确定阈值进行筛选的再生设计方法。主客观评价结果证明了运用重构的扩散模型进行纹样再生设计的可行性。为联珠团窠纹的再生设计提供了新的思路与方法。

基于Style 3D针织运动装虚拟设计与应用

基于Style 3D虚拟服装试衣软件,通过对虚拟试衣技术现状的分析,以针织运动装作为虚拟试衣对象,从四个部分进行展开,包含人体建模,版片的三维排布与缝合,运动装面料仿真与试穿效果展示,以及驳样改款与模块组合。借助于三维面料扫描技术获取面料材质纹理和相关辅料配件,进一步丰富针织运动装的装饰效果。3D快速驳样改款和虚拟展示能有效地优化设计过程,针织运动装模块组合模拟应用适应快时尚节奏下改款搭配的需求,根据现有版型快速驳样改款亦是对传统设计与展示模式的一种突破。

元宇宙馆藏展览与数字化服装设计——产教融合典型案例

在元宇宙浪潮的推动下,馆藏展览与数字化服装设计的结合成为产教融合的新趋势。文章通过探讨一个典型案例,分析了元宇宙背景下馆藏展与数字化服装设计相结合的产教融合模式。案例中,高校与博物馆、服装企业三方合作,利用3D扫描和虚拟现实技术,将珍贵的馆藏服饰进行数字化再现,并在元宇宙平台上进行展览。同时,高校服装设计专业的学生在导师和企业的指导下,基于这些数字化服饰进行创意设计,实现了传统与现代的完美结合。这种产教融合模式不仅丰富了教学内容,提升了学生的实践能力,还为企业提供了优秀的设计人才和作品,有效推动了服装产业的创新发展。

基于YOLOv8改进的服装疵点检测算法

针对服装疵点检测方法,提出了基于YOLOv8改进的算法YOLOv8-MBRGA,用于完成服装疵点的检测任务。引入BiFPN金字塔替换head层中的concat连接,将语义信息传递到不同的特征尺度上,从而增强特征融合。为加速模型的收敛速度和推理速度,在检测头上增加RepVGG网络,有助于更好地训练深层次的网络模型。采用分离卷积替换Conv卷积降低网络的复杂度并融入注意力机制EffectiveSE增强模型的特征提取和多尺度信息融合的能力。试验结果表明,YOLOv8-MBRGA算法在服装疵点检测上获得了显著的效果,平均精度均值提高了5.50%,精确度提高11.06%,在推理速度基本保持不变的情况下,模型的计算量下降30.48%。

服装褶皱形态的参数化表征方法

在服装结构设计趋向智能化与自动化的背景下,褶皱形态的量化表征存在种类繁杂、影响因素多等问题。通过分析服装褶皱形成的影响因素,提出基于款式特征参数的褶皱形态量化表征方法,建立服装褶皱形态二维平面款式与三维结构间的映射关系。选取了比较典型的6种褶皱形态,制作了5款裙装,在满足同一面料、裙长、纱线方向及观察视角的条件下,进行14个款式特征参数量化估计值与测量值对照实验,得到22组实验数据。结果表明,本文方法能有效约束和描述不同褶皱类型,且量化估计值与测量值在95%的置信区间下具有显著相关性。该量化方法直观准确,灵活高效,具有普遍适用性和工程实用性,能有效地实现服装褶皱形态的量化表征。

基于DCGAN算法的服装效果图生成方法

为了提高服装设计效率,适应时尚产品迭代加速的趋势,提出一种基于深度卷积对抗网络(DCGAN)的服装效果图生成方法。搭建适用于服装效果图生成任务的DCGAN模型,制作服装秀场数据集进行模型训练并生成服装效果图,设计师主观筛选具有设计参考价值的生成服装效果图,计算有效生成图像比例,评估该模型性能和生成图像质量,通过人机交互的方式优化部分生成图像并形成最终设计方案。结果表明:优化后的DCGAN模型可以快速提取流行趋势生成创意设计方案,辅助设计师高效完成设计效果表达,为服装设计的智能化提供有效途径和方法参考。

基于YOLOv8的女西裤板型弊病检测与修正

在服装定制成衣试穿环节,由于人体体型多样性,经常出现服装试穿不合身的情况。为协助改衣师快速准确找到板型问题及修改方案,以女西裤为例,收集常见的女西裤弊病图像(前裆堆量明显、前裆猫须明显、后片夹裆和后片大腿根堆斜褶明显)作为数据集,并采用深度学习算法中的YOLOv8模型进行实验。研究表明:模型测试阶段,精确度、召回率、平均精度均值(I_(ou)=50%)均达到98%以上,同时结合弊病修正实验验证了弊病修正建议的合理性,实现了女西裤板型弊病的智能检测与修正。

基于扩散模型的ControlNet网络虚拟试衣研究

为快速生成特定服装款式的成衣效果图,采用扩散模型,应用ControlNet网络实现虚拟试衣。首先将人体的关键点检测图与深度图作为扩散模型的控制条件,生成姿态可控的虚拟模特;再通过Canny边缘图生成虚拟试衣效果图。以3款连衣裙为例进行虚拟试衣实验,并优化扩散模型控制条件的参数设置;最后将生成结果与三维建模虚拟试衣结果进行对比和评价。结果表明:结合ControlNet网络的扩散模型能够控制虚拟模特的姿态特征,通过服装Canny边缘图可以生成特定服装款式的虚拟试衣效果。该方法生成的虚拟试衣相较三维建模技术实现的虚拟试衣方法更具表现力,操作更加直观快捷,能够为设计师提供款式图的成衣效果可视化参考,从而提高服装设计效率。

基于虚拟仿真技术的服装智能制造应用研究

由于传统的服装制造不能很好地满足市场需求,因此对虚拟仿真技术在服装智能制造中的应用进行研究,实现服装企业转型升级,确保企业健康发展。服装虚拟设计包括仿真人体建模、虚拟服装建模、3D仿真优化和构建应用平台。采用非接触式测量获取人体三维数据,构建虚拟三维人体模型,同时将服装设计师的设计意图进行深层次挖掘,获得三维虚拟服装模型。通过纹理特征映射、碰撞检测、真实感增强和场景构建来优化服装设计过程,并将其应用于服装个性化设计与虚拟试穿中,对提升服装企业的智能制造水平和市场竞争力具有一定的参考价值。

从特征辨识到图像生成:基于AIGC范式的苗族服饰设计

苗族服饰是中国民族服饰体系中重要的组成部分,在商品化发展中开辟了广阔的市场,但产品同质化现象将阻碍民族文化的进一步发展,人工智能生成内容(AIGC)的发展为传统服饰设计提供了新的可能。文章基于苗族服饰现代化的需要,通过搭建多模型组合流程,为苗族服饰成衣化设计提供灵感样本。实验结果表明,以服饰辨识性为基础,采用Lora训练方式,仅需少量样本即可实现苗族服饰特征在Stable Diffusion生成内容中的迁移。将深度学习引入非遗服饰现代化的进程中,旨在助力非遗服饰朝着成衣化、多样化、大众化方向发展,以数字化方式推动民族服饰转型升级。

基于生成对抗网络的女上装图像属性编辑

为解决当前服装图像属性编辑模型生成图像存在属性缺失或冗余的问题,提出一种基于Fashion-AttGAN的优化模型对女上装图像细节进行变换的设计方法;通过优化特征提取网络,将结构相似性损失项加入重构损失,提高生成器的属性编辑能力;使用CP-VTON数据集训练,对女上装图像中袖长和颜色的细节进行调整。结果表明,生成图像在袖型连贯性和颜色准确性方面得到提升,改进模型收敛趋势更平稳,重构图像的结构相似性指标提升了27.4%,峰值信噪比提高了2.8%。该优化模型有效减少了生成图像的属性冗余和残缺,为服装图像细节变换研究提供参考。

基于服装CAD制版的服装款式快速转化方法

针对目前市场上裙装款式种类多,且在CAD制版实践中不同款式相关性弱而导致制版效率低的问题,通过分析裙装款式分类现状制定出裙装款式CAD制版再生成设计路径。研究不同裙装领子、袖子和半身裙制版实例,多维度厘清不同裙装款式相关性,并采用CLO3D虚拟制衣实验,总结出领子、袖子和半身裙模块化制版参数,实现CAD制版的服装款式快速转化。研究不同裙装款式利用CAD系统提高制版效率的技巧,提出不同裙装版型转换的理念与方法,为高效使用服装CAD制版提供理论支持和设计方法。

基于Style3D技术的甪直水乡妇女服饰虚拟仿真研究

甪直水乡妇女服饰是具有典型特色的中国传统地方服饰,随着现代社会的发展,目前的影响力正逐渐式微。文章通过爬梳文献和实地考察甪直水乡妇女服饰博物馆,对各部件服装的服制特色进行梳理与分析。在此基础上,运用服装CAD软件绘制样板,运用Style 3D软件实现服装的虚拟仿真,包括细节配饰和纹样色彩的还原,为虚拟仿真中遇到的问题提出可行的解决方案。结果表明,文章所提出的数字化虚拟技术是一种有效的传统服饰传承方式,为发展和保护中国传统地方服饰文化拓宽了途径和思路。

三维服装虚拟展示技术的研究进展

为产生逼真而富有动感的服装展示效果,探究虚拟展示技术是一种极具前景的解决方案,为此对国内外三维服装虚拟展示技术的研究进行了回顾。首先系统地概述三维人体建模技术,总结了参数化人体建模和非参数化人体建模的发展现状。其次,以服装建模中的几何建模法、物理建模法和混合建模法3种方法为切入点详细阐述了服装建模的研究历程,分析了国内外学者多年的研究与探索。最后,基于服装虚拟展示技术中的三维着装模拟法和服装动画模拟法介绍了虚拟展示技术从单一的静态模拟发展到具有物理属性的动态仿真的发展过程,论述了三维服装虚拟展示技术中服装着装模拟技术和服装动画模拟技术现有成果的优势和不足,展望了三维服装展示技术未来会朝快速地三维人体建模、高效着装模拟和具有真实感地动画模拟3个方向发展。

基于注意力机制改进的YOLOv7服装缝线疵点检测方法

针对目前肉眼检测服装缝线疵点效率低下、成本较高、准确率不高、容易出现漏检和误检等问题,文章利用深度学习的方式对服装缝线疵点进行实时检测,构建了一个服装缝线疵点检测的数据集,包含了常见的服装缝线疵点类型,提出了一种基于注意力机制的YOLOv7算法SK-YOLOv7,在YOLOv7的骨干网络添加3个SK模块,以增强主干网络的特征提取能力,并引入CBAM-YOLOv7和SE-YOLOv7算法进行对比实验。实验结果表明:SK-YOLOv7具有较高的查准率及查全率,平均检测精度也有所提高。SK-YOLOv7相较于CBAM-YOLOv7和SE-YOLOv7在缝线检测上表现更好。文章对数据集采用不同的标记方式进行对比测试,发现对疵点区域进行一次标记的方法会导致特征大量丢失,而对疵点区域内进行分块标记的方法表现出了更好的检测效果。综合实验结果得出,基于注意力机制改进的YOLOv7服装缝线疵点检测方法是可行的,可以较好地推动纺织服装检测行业的发展进步。

基于层次分析法的中小型服装企业柔性制造评价体系的构建

柔性制造是制造业实现飞速发展的重要路径,然而对于服装制造的柔性水平却没有具体的评价标准,使得服装企业难以预估自身柔性制造的进展以及需要改进的部分。针对这一现状,以S服装企业为例,以生产线平衡优化为切入点;从生产柔性、管理柔性以及产品柔性3个方面构建了服装柔性制造的三维评价模型;系统、全面地对S服装企业制造的柔性水平进行评价。结果表明:S服装企业的柔性制造水平较高,发展前景较好,可以继续完善已有的生产模式,进一步提高其服装柔性制造水平。服装柔性制造评价指标体系对S服装企业的实践为中小型服装企业的柔性制造进程以及行业标准化提供了良好的基础和可借鉴的系统的模型。

基于改进ShuffleNetV2的男西服领型识别与分类模型

针对男西服领型款式识别分类效果不佳的问题,提出一种基于改进ShuffleNetV2的识别与分类模型。首先收集男西服样本图像,建立包含9类男西服领型的样本库;其次以ShuffleNetV2模型为基础,引入CBAM注意力机制、H-Swish激活函数来增强模型特征提取能力,有效防止神经元坏死;另外利用迁移学习的方法再次增强模型的特征提取能力,提高模型的识别适应性和识别精度;最后对样本库数据集进行数据增强后开始训练验证。实验结果对比表明,本文的改进模型可以实现对男西服领型的有效识别和分类,平均准确率达到92.82%。本文为解决男西服领型识别与分类困难等问题提供了有效的解决方案,对服装定制行业的分类识别具有借鉴意义。