(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111653510.5 (22)申请日 2021.12.3 0 (71)申请人 华南理工大 学 地址 510640 广东省广州市天河区五山路 381号 (72)发明人 陈怡敬　冼楚华　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 代理人 冯炳辉 (51)Int.Cl. G06T 17/20(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于草图的智能服装三维建模方法 (57)摘要 本发明公开了一种基于草图的智能服装三 维建模方法， 包括： 1)手工绘制服装线框图， 将框 图经过缩 放得到标准图像， 使用Den seNet网络模 型处理标准图像得到描述符d； 2)使用多层感知 机和卷积网络从描 述符d提取手绘图特征h； 3)从 人台库中选取体型参数p， 使用反卷积网络从中 提取体型特征q； 4)将手绘图特征h和体型特征q 融合成隐层特征k； 5)使用多层网格解码器将隐 层特征k解码为服装网格的顶点坐标集合， 与模 板网格拓 扑组合得到最终的服装网格。 本发明基 于草图， 利用神经网络编码图像信息和人台体型 参数， 通过基于网格的多层解码器解码隐层特征 进行端对端的三维服装建模， 提升了数字制衣流 程的效率， 减少了复杂度和对使用者的技术要 求。 权利要求书2页 说明书5页 附图4页 CN 114373059 A 2022.04.19 CN 114373059 A 1.基于草图的智能服装三维建模方法， 其特 征在于， 包括以下步骤： 1)手工绘制服装线框图， 将线框图经过缩放得到标准图像， 使用DenseNet网络模型处 理标准图像得到描述符d； 2)使用多层感知机和卷积网络从描述符d提取手绘图特 征h； 3)从人台库中选取体型参数p， 使用反卷积网络从中提取体型 特征q； 4)将手绘图特 征h和体型 特征q融合成隐层特 征k； 5)使用多层网格解码器将隐层特征k解码为服装网格的顶点坐标集合， 与模板网格拓 扑组合得到最终的服装网格。 2.根据权利要求1所述的基于草图的智能服装三维建模方法， 其特征在于， 在步骤1) 中， 手工绘制服装线框图为白色背景、 黑色线条描绘的图像， 选取长和宽中最短边作为边 长， 将其裁 剪处理为长宽比为1： 1的正方 形图像， 再缩放 为224×224大小的正方 形图像； DenseNet网络模型处 理图像得到的描述符d， 其 为2048维向量， 表示 为： d＝[x1,x2,…,x2028] 式中， x为描述符d向量中的数值。 3.根据权利要求1所述的基于草图的智能服装三维建模方法， 其特征在于， 在步骤2) 中， 多层感知机和卷积网络包含10层全连接层， 在之后构造3层卷积网络， 每层卷积网路后 面利用池化层进行融合， 最后利用SoftMax进行输出， 得到手绘图特 征h， h表示 为： 式中， x’为描述符h向量中的数值。 4.根据权利要求1所述的基于草图的智能服装三维建模方法， 其特征在于： 在步骤3) 中， 人台库中人台为统一拓扑的参数化三 维网格模 型， 每个人台具有统一格式的体型参数， 从中选取一个人台作为目标人台， 以唯一对应的体型参数p作为输入参数； 处理参数的网络 包含2层反卷积网络， 每层反卷积网络后面进行归一化和激活函数 处理， 最后得到体型特征 q， q表示为： 式中， x”为体型特征q向量中的数值。 5.根据权利要求1所述的基于草图的智能服装三维建模方法， 其特征在于： 在步骤4) 中， 手绘图特征h和体型特征q具有相同的维度， 使用相加求和方式将h和q融合， 得到同样维 度和长度的隐层特 征k， k表示 为： 式中， x” ’为隐层特 征k向量中的数值。权　利　要　求　书 1/2 页 2 CN 114373059 A 26.根据权利要求1所述的基于草图的智能服装三维建模方法， 其特征在于： 在步骤5) 中， 多层网格解码 器为8层基于网格的逆卷积网络， 每层网络记录目标服装模型的网格拓扑 预先计算的降采样映射， 对数据按权 重进行逆卷积处 理， 包括以下步骤： 5.1)对目标服装模型的网格拓扑进行多次降采样处理， 降采样过程为： 在当前拓扑随 机选取顶点加入 选定集合X， 以迭代方式遍历选定集合X中顶点xb， 搜索距离此被遍历顶点xb 步长为2的顶点xs， 若被搜索顶点xs未在选定集合X中且距离选定集合 X中所有顶点的步长大 于或等于2， 则将此被搜索顶 点xs加入选定集合X， 并记录被遍历顶 点xb和被搜索顶点xs的连 接关系， 在迭代遍历 完X所有顶点后， 记录选定集合X顶 点的对应下标及连接 关系， 得到降采 样后的拓扑； 对拓扑依次处 理， 得到9个顶点数量依次下降的拓扑， 表示 为： 式中， Ti为第i个拓扑， Vi为Ti的顶点下标集合， Fi为Ti中顶点的连接关系， 即模板网格拓 扑； 拓扑Ti的顶点下标集合Vi和降采样后拓扑Ti‑1的顶点下标集合Vi‑1之间存在映射关系 Yi， 表示为： yi,j∈Yi,2≤i≤9,1≤j≤ni 式中， ni为拓扑Ti的顶点下标集合Vi的顶点数量， yi,j为Vi中第j个顶点在 Vi‑1中具有映射 关系的顶点下 标集合， 顶点下 标集合yi,j大小不固定； 5.2)顶点下 标集合Vi对应的顶点 坐标集合Zi， 包含多个顶点 坐标表示 为： xi,j∈Zi,1≤i≤9,1≤j≤ni 式中， xi,j为Vi中第j个顶点对应的坐标， Zi中顶点坐标由按照权重与Zi‑1中具有映射关 系的顶点 坐标相乘得到， 表示 为： 式中， wi,j为xi,j对应的基于网格的逆卷积 网络的权重， wi,j与yi,j有相同的结构， 表 示为顶点坐标集合Zi‑1中yi,j对应的顶点坐标集合， 将wi,j和 矩阵乘法相乘得到xi,j， 最终 得到顶点 集合对应的顶点 坐标集合； 5.3)将顶点坐标集合与模板 网格拓扑组合， 按照obj文件格式写入文件， 即得到最终的 服装网格M 。权　利　要　求　书 2/2 页 3 CN 114373059 A 3