评估织物机械数字化方法的准确性
IEEE transactions on visualization and computer graphics
|February 16, 2026
概括
基于人工智能的织物数字化显示了对3D虚拟设计的竞争性准确性,减少了物理原型设计. 这项研究验证了AI方法与使用Cusick窗测试进行传统机械测试的有效性.
科学领域:
- 服装行业是服装行业的重要组成部分.
- 三维虚拟设计3D虚拟设计
- 织科学 织科学 织科学
背景情况:
- 服装行业越来越多地采用3D虚拟设计,通过模拟和数字化技术实现.
- 数字双胞胎对于虚拟服装测试和改进至关重要,尽量减少物理原型.
- 准确的织物窗行为捕捉对于服装美学和功能至关重要,但传统的数字化是劳动密集型和昂贵的.
研究的目的:
- 与传统技术相比,评估基于人工智能的织物数字化方法的准确性.
- 解决关于人工智能在3D虚拟设计的织物数字化中的可靠性的知识差距.
- 通过使用Cusick窗测试来评估织物窗行为,提供一个基准.
主要方法:
- 使用传统的机械测试建立了一个参考数字化管道.
- 一项比较研究评估了六种商业数字化方法 (传统和基于人工智能) 在各种织物上.
- 库西克窗测试用于测量真实和数字化样本的织物窗行为.
主要成果:
- 基于人工智能的织物数字化方法证明了与现实世界的测量相比具有竞争力的准确性.
- 该研究确定了人工智能方法可以进一步改进以提高精度的领域.
- 创建了一个公开可用的织物特性和窗指标数据集.
结论:
- 基于人工智能的数字化为服装行业的传统方法提供了一种可行且潜在更有效的替代方案.
- 进一步的研究和开发可以优化人工智能算法,在织物模拟中获得更高的准确性.
- 提供的数据集将促进虚拟时装设计和织分析的未来进展.


