DressWild：从野外图像生成姿态无关的服装针法
计算机视觉与模式识别
2026-02-19 v1
摘要
近期的服装针法生成技术取得了显著进展。然而，现有的前馈方法在处理多样化的姿态和视角时表现不足，而优化方法则计算昂贵且难以扩展。本文聚焦于服装建模和制造应用中需要可编辑、可分离且适用于仿真的服装针法的生成。我们提出了 DressWild，一种新颖的前馈管道，可从单张野外图像重建物理一致的二维服装针法及对应的三维服装。给定输入图像，本方法利用视觉语言模型（VLM）对姿态变体进行归一化处理，然后提取姿态感知、三维信息化的服装特征。这些特征通过基于Transformer的编码器进行融合，随后用于预测服装针法参数，可直接应用于物理仿真、纹理合成和多层虚拟试穿。大量实验表明，我们的方法能够从野外图像中无需多视角输入或迭代优化，稳健地恢复多样化的服装针法及其对应的三维服装，为实现真实服装仿真和动画提供了高效且可扩展的解决方案。
引用
@article{arxiv.2602.16502,
title = {DressWild: Feed-Forward Pose-Agnostic Garment Sewing Pattern Generation from In-the-Wild Images},
author = {Zeng Tao and Ying Jiang and Yunuo Chen and Tianyi Xie and Huamin Wang and Yingnian Wu and Yin Yang and Abishek Sampath Kumar and Kenji Tashiro and Chenfanfu Jiang},
journal= {arXiv preprint arXiv:2602.16502},
year = {2026}
}