D-Garment：面向动态服装变形的物理驱动隐式扩散模型
计算机视觉与模式识别
2026-04-09 v2
摘要
我们提出了一种根据身体形状、运动以及物理布料材质属性，以3D多边形网格形式动态变形3D服装的方法。考虑物理布料属性有助于学习一个物理驱动的模型，其优势在于在应变或曲率等物理启发式度量方面更加准确。现有工作研究姿态依赖的服装建模以从示例数据生成服装变形，并可能采用数据驱动的动态布料模拟来生成运动中的逼真服装。我们提出D-Garment，一种基于学习的方法，使用基于物理的模拟器生成的新数据进行训练。与先前工作相比，我们的3D生成模型学习以物理材质属性为条件的服装变形，从而能够对宽松布料几何形状进行建模，特别是由身体运动驱动的大变形和动态褶皱。此外，该模型可以高效拟合使用3D点云等视觉传感器捕获的观测数据。我们利用扩散模型的能力，通过在独立于网格分辨率的2D参数空间中对3D服装进行建模，来学习灵活且强大的生成先验。这种表示允许学习特定于模板的隐式扩散模型。这使得能够利用身体和布料材质信息对全局和局部几何进行条件化。我们在模拟数据和使用多视角采集平台捕获的数据上对D-Garment进行了定量和定性评估。与近期基线相比，我们的方法在形状相似性和物理有效性度量方面更加逼真且准确。代码和数据可用于研究目的，网址为 https://dumoulina.github.io/d-garment/
引用
@article{arxiv.2504.03468,
title = {D-Garment: Physically Grounded Latent Diffusion for Dynamic Garment Deformations},
author = {Antoine Dumoulin and Adnane Boukhayma and Laurence Boissieux and Bharath Bhushan Damodaran and Pierre Hellier and Stefanie Wuhrer},
journal= {arXiv preprint arXiv:2504.03468},
year = {2026}
}
备注
18 pages, 11 figures