ガーメントコードデータの紹介：服飾デザインのための新しいデータセット

最近、服の取り扱いにおける学習ベースの手法への関心が高まってきて、良い公共データの必要性が浮き彫りになってきた。バーチャルフィッティングや新しい衣服の作成、既存の衣服の再構築などのタスクに役立つ高品質なデータセットが不足している。このギャップを埋めるために、GarmentCodeDataという大規模な合成データセットを提供する。このデータセットには3Dのオーダーメイド衣服とソーイングパターンが含まれている。

#GarmentCodeDataの概要

GarmentCodeDataには、トップス、ドレス、ジャンプスーツ、スカート、パンツなど、人気の衣服タイプの異なるデザインを示す115,000のサンプルが含まれている。衣服は、CAESARデータに基づいたカスタム統計人体モデルから導出されたさまざまな体型にフィットするように設計されている。また、データセットには多様性のためにさまざまなテキスタイル素材も含まれている。

この複雑なデータセットを作成するために、サンプリングされた体型で自動的に採寸ができる新しいアルゴリズムを開発した。また、ソーイングパターンを設計するための新しい手法を確立し、速いシミュレーターを使った3D衣服ドレーピングプロセスを確立した。この仕事には、衝突を処理し、衣服が正しくドレープされるようにするためのソリューションが含まれており、データセットのスケーリングに役立っている。

#ソーイングパターンの重要性

ソーイングパターンは、衣服の作成とフィッティングにおいて重要な役割を果たす。これらのパターンは、デザイン段階と実際の生産を結びつける。リアルな世界でもデジタル空間でも、衣服を詳細に調整することができる。生成モデルやバーチャルフィッティング技術の進歩に伴い、衣服を再構築するための質の高いデータを持つことが重要だ。残念ながら、対応する3D衣服にラベル付けされたソーイングパターンを提供する大規模な公開データセットはあまり存在しない。

実世界で衣服を作成するためのデータを収集するのは、法的制約、著作権の問題、そして一般的に衣服パターンのペアが手に入りにくいという障害によって妨げられる。合成データセットは、これらの課題に直面することなく高品質なデータを提供する貴重な代替手段となる。しかし、真に代表的なセットを生成することは依然として大きな課題だ。

#GarmentCodeDataの主な貢献

1. パラメトリックデザイン空間: さまざまな衣服デザインのサンプルを得るための高品質なソーイングパターン用の制御可能なデザイン空間。

2. 自動体形測定: 衣服の正確なフィッティングを確保するための自動的な体形測定手法。

3. オープンソース3D生成パイプライン: ソーイングパターンに基づいて大規模に衣服の3Dモデルを生成するための一般利用可能なパイプライン。

4. 大規模データセット: オーダーメイド衣服を含む初の公開大規模データセット。デザインと体型の幅広い範囲をカバーし、それに伴うソーイングパターンと3Dモデルも含まれている。

このデータセットは、この研究の発表と同時期にリリースされ、コードは一般に利用できるようにされる。

#この分野における関連研究

既存の3D衣服や着用した人のデータセットは、実際の衣服の3Dスキャンから得られたもの、合成データセット、専門家がデザインした衣服を含むものの3つのグループに分類できる。実際の衣服に基づいたデータセットは、リアルな挙動を捉えるが、収集にはコストがかかり、ノイズが多く、著作権の問題にも直面する。デザインのバラエティは通常制限されていて、基本的な衣服タイプ（Tシャツやジーンズなど）に焦点を当てている。

現在、最も多様なデータセットであるDeep Fashion3Dは563のキャプチャされたアイテムしか含んでいない。ただし、衣服の再構築に必要なソーイングパターンは提供していない。プロのデザイナーがバーチャルCADで作成した衣服は高い複雑性を持つが、各ピースの労力が大きいため、スケーリングが難しい。

この研究では、制御された出力と高品質なサンプルを得るために合成データセットを使用することを選んだ。すでにいくつかの合成データセットは存在するが、ほとんどはソーイングパターンのラベルを提供していなかったり、限られたスタイルしかカバーしていない。我々のデータセットは、その複雑さと広い衣服デザインの選択肢によって際立っている。

#自動体形測定の手法

衣服の正確なフィッティングには、体型を知る必要がある。体型を測定するための方法はいくつか存在する：

• 一部は仮想現実システムを使い、ユーザーがコントローラーを体に置くことができる。
• 他は3Dスキャンから直接測定を推測することができる。
• 統計テンプレートモデルは、テンプレート上のランドマークを定義することで測定を誘導する。

我々はCAESARデータベースのデータを使って統計的な人体形モデルを作成し、5000のユニークな体型を生成した。これらの体型に対して自動的に測定を計算し、衣服を体にフィットさせるための入力として使用した。

#データ生成パイプライン

データ生成は、体型のサンプリング、ソーイングパターンのサンプリング、衣服のドレーピングという3つの主要なステップで構成されている。5000の体型をサンプリングし、体の測定を評価し、各デザインが標準の体モデルとランダムにサンプリングされた体型の両方にフィットするようにする。

ソーイングパターンのサンプリングでは、我々の基準を満たさないサンプルを排除するための品質チェックを行う。次に、ソーイングパターンを速いシミュレーションプロセスを使用して体モデル上にドレープする。

#デザイン空間の設定とサンプリング

GarmentCodeは衣服のための広いデザイン空間を提供している。しかし、ランダムサンプリングは、例えばスカートが非常に長すぎるといった意味のないデザインを生むことがよくある。これを改善するために、デザインパラメータを体の測定値に合わせて調整し、サンプリング確率を導入した。これにより、データセット全体でバランスの取れた結果が得られる。

さらに、ファッションデザイナーの助けを借りてソーイングパターンを洗練し、フィットの質を向上させ、新しい要素を追加した。

#品質管理手法

データセットに質の悪いサンプルが入らないように、衣服デザインが作成された後に品質管理のステップを導入している。これにより、自自己交差するパネルや正しくフィットしない衣服などの問題のあるデザインがフィルタリングされる。

#体型サンプリング技術

登録されたメッシュのセットに主成分分析を適用して体型を生成した。このプロセスにより、さまざまな体型を作成し、それをさまざまなポーズでエクスポートしてデータセットを豊かにした。

#測定技術

我々の測定方法は、体の主な特徴に焦点を当てている。例えば、バスト、ウエスト、ヒップ周りの周囲測定をポリラインや測定面を使って行い、テーラーが人を測る時のように正確に反映されるようにしている。

#メッシュ生成プロセス

ソーイングパターンをシミュレーションのために準備するために、それを3Dドレーピングに適したメッシュ形式に転送する。この際、ソーイングパターンのエッジから頂点を繋いで統合メッシュを生成する。

#ドレーピングの設定と課題

ドレーピングシミュレーションプロセスは、衣服フィッティング中にメッシュがその構造を保持することを確認して設定される。また、シミュレーション中に衣服の要素同士が自己衝突しないようにするための作業も行う。初期衝突を解決するための我々の手法には、メッシュの交差するエッジを見つけ、衣服が正しくドレープされるように制約を適用することが含まれる。

#衣服のシミュレーション

ドレーピング段階では、選択された体型に衣服をシミュレートし、さまざまな生地に合わせて特性を調整する。シミュレーションは、すべての衣服が安定したドレープを達成するまで固定時間実行される。

#測定の品質評価

我々の自動測定システムを評価するために、CAESARデータセットから得た測定値と比較する。我々の測定は、いくつかの寸法を過大評価する傾向があるが、衣服のフィッティングには効果的だ。

#さまざまな体型におけるフィッティングの実演

自動測定アルゴリズムの効果を示すために、さまざまなサンプリングされた体型に対して衣服を再ターゲットした。結果は、衣服が過度にしわになることなくうまくフィットすることを示している。

#一般的なシミュレーション問題

シミュレーション中には、衣服が滑り落ちたり、正しく整列しなかったりといった問題が起こり得る。これらの失敗を分析して、シミュレーションプロセスをさらに改善している。

#データセットの制限についての議論

GarmentCodeDataデータセットは重要な貢献ではあるが、依然として制限がある。例えば、ジッパーやボタンのような複雑な衣服の特徴には対応していない。このデータセットはCAESARモデルに含まれる体型の範囲が限られているため、バイアスが反映される可能性もある。

#倫理的配慮

CAESARデータセットが多様な体型を完全には表現していないことを認識している。この制限は、さまざまな形状やサイズに対応する広範なデータセットの必要性を強調している。

#結論

この研究は、GarmentCodeDataデータセットを提示することで、衣服デザインとフィッティングの分野を大きく進める。幅広い衣服のコレクションと革新的な測定手法により、バーチャルフィッティングや衣服デザインにおける将来の研究や応用への道が開かれる。データセットの多様性を高め、既存の制限に対処するためのさらなる努力が必要で、これによりより広い範囲のユーザーにとって利益をもたらすことができる。