基于几何方法的图神经网络贴缝预测

自动化从缝纫图案中完成衣物装配仍是一个具有挑战性的任务，由于缺乏标准化的注释协议以及常见的语义线索的缺失。现有方法常依赖面板标签或手工制作的启发式方法，这些方法限制了其针对现实世界、非 conforming 图案的适用性。我们提出 AutoSew，一种完全自动的、基于几何的用于直接从 2D 图案轮廓预测缝合对应关系的方法。AutoSew 将问题形式化为图匹配任务，利用图神经网络捕获局部和全局几何上下文，并采用可微分最优输运求解器来推断缝合关系——包括多边缘连接。为支持此任务，我们更新了 GarmentCodeData 数据集，修改了超过 18k 个图案，添加了反映工业装配情景的真实多边缘注释。AutoSew 实现了 96% 的 F1 分数，并成功装配了 73.3% 的测试衣物而无错误，显著优于现有方法，仅依赖几何输入即可实现。我们的结果表明，仅凭几何信息即可稳健地指导缝合预测，从而实现无需手动输入的可扩展衣物装配。