NGL：面向无训练 sewing pattern 的自然服饰语言
计算机视觉与模式识别
2026-05-20 v2
摘要
从图像估计缝纫图案是制作高质量3D服装的实用方法，但由于缺乏真实世界图像与缝纫图案的配对数据，仍面临挑战。现有方法通过训练视觉语言模型（VLM）从参数化服装模型中抽取的合成服装上学习低层缝纫图案表示，但往往难以泛化到野生图像，未能捕捉服装部件间的真实世界关联，且局限于单层服装。相反，我们观察到VLM在描述服装方面有效，但将这些描述映射到有效的缝纫图模式仍困难。为填补这一鸿沟，我们提出NGL（Natural Garment Language），一种新颖的领域特定语言，以与VLM自然描述能力相匹配的方式表示服装。利用NGL，我们引入了一个完全无训练的管道，查询大型VLM以提取结构化服装规格，并确定性地将其转换为有效的缝纫图案。我们在Dress4D、CloSe以及新收集的253幅野生时尚图像数据集上进行评估。我们的做法在标准几何指标上实现了最先进的性能，在人类和GPT-based感知评估中均被优先选取。此外，NGL能够恢复多层服装，而竞争方法大多聚焦于单层服装，凸显了其对真实世界图像的强大泛化能力，即使图像中存在遮挡部件。这些结果表明，高效的服装表示对利用VLM进行缝纫图案估计至关重要。我们的代码和数据将供研究使用。
引用
@article{arxiv.2602.20700,
title = {NGL: Natural Garment Language for Training-Free Sewing Pattern Estimation},
author = {Anna Badalyan and Pratheba Selvaraju and Giorgio Becherini and Omid Taheri and Victoria Fernandez Abrevaya and Michael Black},
journal= {arXiv preprint arXiv:2602.20700},
year = {2026}
}
备注
12 pages, 7 figures