推定目标面料的物性参数的方法及装置与流程

本发明的多个实施例涉及一种推定目标面料的物性参数的方法及装置。

背景技术：

1、服装(clothes)虽然在人穿着的情况下会以三维方式呈现，但实际相当于根据二维的图案(pattern)裁剪的布块的组合，因而接近于二维。由于作为服装材料的布柔韧(flexible)，因而其形态会根据穿着服装的人的身体形状或动作而发生多种变化。并且，布可具备强度、弹性以及收缩率等多种物性，即便是设计款式相同的服装，也可根据布所具备的各种物性的差异而呈现出不同的表现形态及感觉。

2、在时装行业中，随着基于计算机的服装模拟技术广为应用于实际服装设计的开发，找到用于服装制作的布的最佳模拟参数成为了很重要的问题。

3、上述背景技术为发明人在导出本申请的公开内容的过程中掌握或了解的，不能就此称之为本申请前向普通大众公开的公知技术。

技术实现思路

1、根据一实施例，推定目标面料的物性参数方法包括如下步骤：接收拍摄目标面料(target fabric)的褶皱形状(drape shapes)的二维影像及上述目标面料的基本信息；向神经网络模型输入上述二维影像及上述目标面料的基本信息来推定包含上述目标面料的弹力参数(stretching parameter)及弯曲参数(bending parameter)中的至少一个的上述目标面料的物性参数(physical property parameter)；以及输出上述目标面料的物性参数。

2、上述目标面料的基本信息可包含上述目标面料的类型、结构、密度、重量、厚度、是否加工染色以及是否增加印刷中的至少一个。

3、上述神经网络模型可包括以下中的至少一个：回归模型(regression model)，基于上述目标面料的基本信息，推定与上述目标面料的弹性(stretching)相关的上述弹力参数；自动编码器(auto encoder)，计算与上述二维影像相对应的潜在向量；或者推定模型，以基于上述潜在向量及上述弹力参数推定与上述目标面料的弯曲(bending)相关的上述弯曲参数的方式进行学习。

4、推定上述目标面料的物性参数的步骤可包括如下的步骤：向基于多个实际面料的基本信息及上述多个实际面料的物性参数的集合进行学习的回归模型输入上述目标面料的基本信息来推定上述弹力参数；以及向上述推定模型输入由向自动编码器输入上述二维影像而获取的潜在向量及上述弹力参数来推定与上述目标面料相对应的上述弯曲参数。

5、推定上述弹力参数的步骤可包括如下步骤：将上述目标面料的基本信息编码成多个特征；以及向上述回归模型输入经上述编码的多个特征来推定上述弹力参数。

6、进行上述编码的步骤可包括如下步骤，即，对上述目标面料的基本信息中表示上述目标面料类型的上述特征进行编码。

7、随着接收经上述编码的多个特征，上述回归模型可输出上述多个特征除以上述目标面料的密度的上述弹力参数的向量。

8、推定上述弯曲参数的步骤可包括如下步骤：向上述自动编码器输入与上述二维影像相对应的轮廓影像来获取与上述二维影像相对应的多个上述潜在向量(latentvectors)；以及向上述推定模型输入多个上述潜在向量及上述弹力参数来推定与上述目标面料相对应的上述弯曲参数。

9、获取多个上述潜在向量的步骤可包括如下步骤，即，在上述二维影像中，将表示上述目标面料的区域变换成白色，在上述二维影像中，将上述目标面料的外部区域变换成黑色，从而生成与上述二维影像相对应的上述轮廓影像。

10、上述弹力参数可与上述目标面料的基本信息具备相关关系，上述弯曲参数可与上述目标面料的褶皱形状具备相关关系。

11、输出上述目标面料的物性参数的步骤可包括如下步骤，即，将上述物性参数应用于构成对象试穿的三维服装的上述目标面料来显示与上述三维服装相对应的三维试穿模拟结果。

12、上述弹力参数可包括纬纱方向弹力(weft stretch force)参数、经纱方向弹力(wrap stretch force)参数或剪切力(shear force)参数中的至少一个，上述弯曲参数可包括纬纱方向弯曲力(weft banding-force)参数、经纱方向弯曲力(wrap banding-force)参数或对角线方向弯曲力(diagonal-banding force)参数中的至少一个。

13、上述神经网络模型可推定通过质量-弹簧模型(mass-spring model)模拟的上述目标面料的物性参数。

14、上述二维影像可包含对与上述目标面料的圆形标本(circular specimens)相关的上述褶皱形状进行拍摄的俯视图(top view)影像。根据一实施例，推定目标面料的物性参数的装置包括：通信界面，用于接收拍摄目标面料的褶皱形状的二维影像及上述目标面料的基本信息；处理器，通过向神经网络模型输入上述二维影像及上述目标面料的基本信息来推定包含上述目标面料的弹力参数及弯曲参数中的一个以上的上述目标面料的物性参数；以及输出装置，用于输出上述物性参数。

15、上述神经网络模型可包括以下中的至少一个：回归模型(regression model)，用于推定与上述目标面料的弹性(stretching)相关的弹力参数；自动编码器(autoencoder)，用于计算与上述二维影像相对应的潜在向量；以及推定模型，以基于上述潜在向量及上述弹力参数推定与上述目标面料的弯曲(bending)相关的弯曲参数的方式进行学习。

16、上述处理器可通过向以多个实际面料的基本信息及上述多个实际面料的物性参数的集合为基础进行学习的回归模型输入上述目标面料的基本信息来推定上述弹力参数，向上述推定模型输入通过向自动编码器输入上述二维影像而获取的潜在向量以及上述弹力参数来推定与上述目标面料相对应的上述弯曲参数。

17、根据一实施方式，可通过向预先训练的神经网络输入拍摄目标面料的褶皱形状而获取的二维影像及目标面料的基本信息来推定目标面料的物性参数，从而可更自然、现实地表达通过目标面料制作的三维服装。

18、根据一实施方式，可通过对于目标面料的圆形标本的褶皱形状来确保比四边形标本更多样化的视觉变动性。

19、根据一实施方式，可通过利用拍摄目标面料的褶皱形状而得的二维影像来减少神经网络模型为了推定目标面料的物性参数而执行的计算的复杂性。

20、根据一实施方式，可通过使用目标面料的圆形标本并利用通过考虑弹力参数来推定弯曲参数的推定模型提高弯曲参数的推定准确度。

技术特征：

1.一种推定目标面料的物性参数的方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的推定目标面料的物性参数的方法，其特征在于，上述目标面料的基本信息包含上述目标面料的类型、结构、密度、重量、厚度、是否加工染色以及是否增加印刷中的至少一个。

3.根据权利要求1所述的推定目标面料的物性参数的方法，其特征在于，上述神经网络模型包括以下中的至少一个：

4.根据权利要求1所述的推定目标面料的物性参数的方法，其特征在于，推定上述目标面料的物性参数的步骤包括如下的步骤：

5.根据权利要求4所述的推定目标面料的物性参数的方法，其特征在于，推定上述弹力参数的步骤包括如下步骤：

6.根据权利要求5所述的推定目标面料的物性参数的方法，其特征在于，进行上述编码的步骤包括如下步骤，即，对上述目标面料的基本信息中表示上述目标面料类型的上述特征进行编码。

7.根据权利要求5所述的推定目标面料的物性参数的方法，其特征在于，随着接收经上述编码的多个特征，上述回归模型输出上述多个特征除以上述目标面料的密度的上述弹力参数的向量。

8.根据权利要求4所述的推定目标面料的物性参数的方法，其特征在于，推定上述弯曲参数的步骤包括如下步骤：

9.根据权利要求8所述的推定目标面料的物性参数的方法，其特征在于，获取多个上述潜在向量的步骤包括如下步骤，即，在上述二维影像中，将表示上述目标面料的区域变换成白色，在上述二维影像中，将上述目标面料的外部区域变换成黑色，从而生成与上述二维影像相对应的上述轮廓影像。

10.根据权利要求1所述的推定目标面料的物性参数的方法，其特征在于，

11.根据权利要求1所述的推定目标面料的物性参数的方法，其特征在于，输出上述目标面料的物性参数的步骤包括如下步骤，即，将上述物性参数应用于构成对象试穿的三维服装的上述目标面料来显示与上述三维服装相对应的三维试穿模拟结果。

12.根据权利要求1所述的推定目标面料的物性参数的方法，其特征在于，上述弹力参数包含纬纱方向弹力参数、经纱方向弹力参数或剪切力参数中的至少一个。

13.根据权利要求1所述的推定目标面料的物性参数的方法，其特征在于，上述弯曲参数包含纬纱方向弯曲力参数、经纱方向弯曲力参数或对角线方向弯曲力参数中的至少一个。

14.根据权利要求1所述的推定目标面料的物性参数的方法，其特征在于，上述二维影像包含对与上述目标面料的圆形标本相关的上述褶皱形状进行拍摄的俯视图影像。

15.一种计算机程序，其特征在于，为了通过与硬件相结合来执行根据权利要求1所述的方法而存储于计算机可读记录介质。

16.一种推定目标面料的物性参数的装置，其特征在于，包括：

技术总结根据一实施例的推定目标面料的物性参数的方法及装置，通过接收拍摄目标面料的褶皱形状的二维影像及目标面料的基本信息，向神经网络模型输入二维影像及目标面料的基本信息，从而推定包含目标面料的弹力参数及弯曲参数中的至少一个的目标面料的物性参数并输出目标面料的物性参数。技术研发人员：朱垠贞,崔名杰,姜圭喆,金垙润,尹星真受保护的技术使用者：柯镂虚拟时尚股份有限公司技术研发日：技术公布日：2024/7/29