具体实施方式

图1至图3示出了本文所呈现的第一计算机实现方法中使用的各方面。该方法的目的是自动生成第一3D服装模型，使得该第一3D服装模型表示实际上要从第一衣片制作的第一服装。

因此，对于第一方法，提出提供一个或更多个第一文档1，该第一文档包括表示那些第一衣片的多个第一2D样片2。这些文档可以是计算机辅助设计(CAD)文件、便携式文档格式(PDF)文件、任何格式的图像文件、或者包含计算机可读或人可读的2D形状样片的任何其它文件。在所示示例中，该2D式样文档1包含T恤的前衣片和后衣片(3和4)、袖片5和6以及领子滚边(或压领(neck tape))7的表示。

根据本发明，利用模式识别算法来确定第一2D样片2中的至少一个第一2D样片的服装类型指示符。该服装类型指示符表示相应第一衣片所属于的服装的类型。在这种情况下，模式识别算法检测到该文档1属于T恤，这是因为检测到典型成形的衣片和/或典型成形的衣片的典型集合。

所确定的服装类型指示符是在机器可读介质上存储的多个服装类型指示符之一。例如，服装类型指示符可以在非常基本的级别上来指代服装的类型，比如T恤、衬裤、内衣等，但是它可以另选地或者另外在更详细的级别上来指代服装的类型，比如长袖衫或短袖衫、女装或男装、连衣裤(dressed)或工装裤(denim)、西服裤或5口袋等。

而且，利用模式识别算法确定第一2D样片中的各个第一2D样片的衣片位姿指示符。该衣片位姿指示符表示相应衣片在第一服装内的估计位置和估计取向。例如，该算法将标识出具有后样片4的形状的衣片，该后样片要位于背面，并且长直线处于底部。该算法还标识出前样片3，该前样片要位于前面，但是被倒转过来，使得长直线再次处于底部，并且领子部分处于顶部。现在，基于第一2D样片、所述至少一个服装类型指示符以及衣片位姿指示符生成了第一3D服装模型。

图2和图3示出了该定位和定向的两个示例。这两种组装方式可以互补或交替应用。

根据图2所示的内容，第一方法还可以包括以下步骤：生成第一2D样片2中的各个第一2D样片的第一2D衣片模型8，这些第一2D样片是根据衣片位姿指示符定位和定向的，其中，为了生成第一3D服装模型10，利用第一2D衣片模型8覆盖参考对象9。在所示示例中，参考对象9是具有人体平均形状的不可见或透明的人模，特别是根据服装类型指示符(女性/男性/儿童等)。

根据图3所示的内容，第一3D服装模型12的单个组件可以由第一2D衣片模型来表示，然后在最终组装之前进行预成形以形成第一3D衣片模型11。如图所示，例如将各个袖子进行卷绕，以形成如图所示的筒并且缝在一起，以及将前衣片和后衣片遵循典型的胸部和背部形状进行成形。以这种方式，组装这些第一3D衣片模型11以形成第一3D服装模型13是直接的，这是因为需要较少的计算工作来找到连接线(线缝)。

在透明人模12上示出了第一3D服装模型13，但是参考对象也可以是衣架或者任何其它支架，它们以使设计师可以轻松地在CAD环境中进行服装设计的方式来呈现服装。参考对象可以是二维或三维的。

总之，第一方法还可以包括以下步骤：基于衣片位姿指示符，特别是还基于第一2D样片2相对于彼此的比例，来对第一2D衣片模型8进行所述定位和定向。如果还考虑到所述比例，就可以将衣片定位和定向得已经彼此非常靠近(因为可以估计服装的大体尺寸)，使得组装的渲染变得更高效。

在对2D衣片模型8进行所述定位和定向的同时、之前或之后，第一方法可以包括以下步骤：基于所述至少一个服装类型指示符以及衣片位姿指示符，将第一2D衣片模型8中的各个第一2D衣片模型成形为第一3D衣片模型11，以使其适应参考对象13(相应区域中)的形状。因此，根据相应的服装类型指示符(在这种情况下：T恤)，第一方法可以考虑关于相应衣片的典型3D形状的信息(可以将该信息存储在计算机可读介质上)。

最终，通过将第一3D衣片模型11(其是成形的第一2D衣片模型8)沿着它们的相应边缘进行虚拟组装来生成第一3D服装模型13。特别地，将第一2D或3D衣片模型按离边缘默认余量的方式虚拟缝合在一起，其中可以在虚拟缝合线(stitch line)处提供默认线缝的模型。

通常，第一方法可以基于相应的服装类型指示符和/或衣片位姿指示符，将默认后处理添加至第一3D服装模型。例如，在意识到当前服装是T恤的情况下，第一3D服装模型10/13可能配备有标准的法式线缝，其中，在牛仔裤的情况下，该方法可以为第一3D服装模型配备标准搭接线缝。

在第一计算机实现方法的实施方式中，为了确定服装类型指示符以及衣片位姿指示符，将模式识别算法配置为对以下项中的至少一项进行分析：(a)2D样片的形状，(b)该2D样片相对于其它2D样片的比例，(c)相应第一文档中的与2D样片相关联的文本信息，(d)2D样片是否是至少部分对称的，以及(e)提供的2D样片的量。

所述第一方法的特殊优点是，仅基于至少一个第一文档及其对表示要制作第一服装的第一衣片的第一2D样片的描绘或描述，来完全自动生成第一3D服装模型，而无需人工干预。

第一方法，特别是模式识别算法，可基于机器学习，使用来自前几代的第一3D服装模型的训练数据来训练。具体地，这种机器学习算法可以从旨在对由计算机进行的自动选择进行校正的用户输入中“学习”。

图4和图5示出了本文所呈现的第二计算机实现方法中使用的各方面。该方法的目的是对第二3D服装模型进行虚拟后处理，该第二3D服装模型表示实际要制作的第二服装，并且尚未进行后处理或者仅有默认后处理。

因此，对于第二方法，提出提供不具有或者仅有默认后处理的所述第二3D服装模型，并且还提供一个或更多个第二文档，所述第二文档包括用于对第二服装进行后处理的人可读的服装后处理说明。图4示出了一个示例性的这类文档14，通常在专家中被称为“技术包”。这些一个或更多个第二文档描述了如何对某种服装进行后处理。这样，该文档可能会涉及多个服装后处理特征，诸如要使用的织物的类型、要为特定组件选择的颜色、要在开口处制作的线迹类型和摺边类型、某些要素(element)的添加，以及指示缝纫者对服装进行后处理的进一步的参数和描述。此类文档中的说明针对的是人，而不是机器。在图4的所示示例中，以箭头指向单个服装后处理特征，并且利用文本、参数、对2D式样的引用和/或样品进行描述。

第二方法提供了一种提取算法，该提取算法被配置成，从所述一个或更多个第二文档确定至少一个这样的服装后处理特征。所述服装后处理特征对应于附加服装组件和/或服装特性，并且指示相应附加服装组件或服装特性在第二服装内的位置和取向。因此，提取算法具体提取对服装进行后处理所需的全部信息，如第二文档中规定的那样。特别地，将提取算法配置成，解释人可读的说明和图示以建立服装后处理特征。

然后，基于所确定的至少一个服装后处理特征来对第二3D服装模型进行虚拟后处理。具体地，第二方法可以检索存储的要素(例如，拉链的3D模型或线缝的2D模型)和/或模型外观(纹理、颜色等)，以便对第二3D服装模型21(参见图5)进行修改，从而形成经后处理的第二3D服装模型22。特别地，第二方法基于以下训练数据来提供服装后处理特征的解释：该训练数据关于如何以及在何处修改第二3D服装模型21，以便得出经后处理的第二3D服装模型22。因此，当服装后处理特征对应于第二3D服装模型的至少一部分的织物类型17时，通过以下步骤来修改第二3D服装模型的所述至少一部分：基于服装后处理特征，将纹理和颜色中的至少一项赋予第二3D服装模型的至少一部分。

如果服装后处理特征对应于第二服装的线缝(例如参见附图标记18)，则通过以下步骤来修改第二3D服装模型的所述至少一部分：将线色、线型和线迹式样中的至少一项赋予第二服装的线缝。

对第二3D服装模型21进行虚拟后处理的步骤如所提及的还可以包括：将至少一个服装后处理模型添加至第二3D服装模型。举例来说，如图4所示，参见指向领口的文本15，利用添加的压领(参见图1中的附图标记7)给V领口缝边。在其它的实施方式中，领口可以是这样的边界：其用于进一步利用衣领(collar)、褶领(cowl)、死褶(darts)或活褶(pleats)来使服装的上边缘成形。

如果服装后处理特征对应于第二服装的线缝，那么所述至少一个服装后处理模型可以表示要放置在第二服装内的专门位置处的线迹，参见图4中的附图标记15、16以及18。如果服装后处理特征对应于第二服装的滚边(参见附图标记18)，则所述至少一个服装后处理模型可以表示要放置在第二服装的下开口处的摺边。因此，在图5的给定示例中，将第二3D服装模型21的底边缘向下折转(turned down)(或者为了可视化起见而只是缩短)并且进行虚拟缝合。

在第二计算机实现方法的实施方式中，服装后处理特征也可以对应于服装的门襟(在所示示例中不是这种情况)，其中，所述至少一个服装后处理模型表示以下项中的至少一项：纽扣、纽扣钩、按扣、拉链、黏扣、磁扣、钩子、用于钩子或纽扣的环、绳扣以及系带。

具体地，为了确定所述至少一个服装后处理特征，可以将提取算法配置为，关于以下项中的至少一项来对所述一个或更多个第二文档14进行分析：文本信息15至19、图像数据、箭头、尺寸数据20、色卡17、颜色指示符、线迹类型以及线迹名称。可以对该算法进行训练以在第二文档14中搜索关键字、描述服装后处理特征的已知式样、箭头(尤其是箭头的对准)、数值(尤其是典型的数字范围)等。

具体地，第二3D服装模型21可以是多个第二3D样片的组装，这些第二3D样片表示要制作第二服装的第二衣片，即，就像通过上面所描述的第一方法将其建立为第一3D服装模型一样。该第一3D服装模型缺少后处理或者配备有默认后处理，这是因为它是基于第一文档所包含的第一2D样片的，而第一文档对关于如何组装衣片通常是只字不提的。

在一特定实施方式中，本文所呈现的第三方法是第一方法和第二方法的组合。然而，更一般地说，第三方法的目的是，在批处理中自动生成多个第三3D服装模型，各个第三3D服装模型皆表示要从第三衣片制作的第三服装。根据第三方法，对于要生成的各个第三3D服装模型，提供了一个或更多个第三文档。所述第三文档包括：表示第三衣片的多个第三2D样片；以及用于对第三服装进行后处理的人可读的服装后处理说明。因此，就像现实中的组装过程一样，提供了服装式样以及对应的说明(“技术包”)。

然后，自动识别第三2D样片的式样，基于所述式样来生成第四3D服装模型。根据人可读的服装后处理说明，提取至少一个服装后处理特征，基于所述至少一个服装后处理特征，通过对所述第四3D服装模型中的各个第四3D服装模型进行虚拟后处理，来生成第三3D服装模型。即使命名法另有暗示，第四3D服装模型也是“半成品”，并且是第三3D服装模型的前身。

在对多个第三3D服装模型进行了批处理之后，生成报告，该报告指示以下项中的至少一项：(i)可以将所有第三文档翻译成第四3D服装模型？(ii)具体地，可以生成第四3D服装模型中的哪些第四3D服装模型？(iii)所生成的第四3D服装模型中的各个第四3D服装模型具有什么置信水平(正确性的可能性)？(iv)具体地，不能生成第四3D服装模型中的哪些第四3D服装模型？(v)可以仅部分地生成第四3D服装模型中的哪些第四3D服装模型并且生成到什么程度(例如，缺少什么部位)？(vi)可以从第四3D服装模型中的各个第四3D服装模型生成第三3D服装模型？(vii)可以生成第三3D服装模型中的哪些第三3D服装模型？(viii)所生成的第三3D服装模型中的各个第三3D服装模型具有什么置信水平(正确性的可能性)？(ix)不能生成第三3D服装模型中的哪些第三3D服装模型？以及(x)可以仅部分地生成第三3D服装模型中的哪些第三3D服装模型并且生成到什么程度(缺少什么部位或特征)？

用户可以使用该报告来快速找出不成功或部分成功的转换，以便手动校正相应的模型或向计算机给出反馈(例如，通过确认或拒绝该报告的相应部分)。可以将报告和/或手动校正/用户反馈用于进一步改善或训练式样识别、提取和/或虚拟衣片组装。

具体地，识别第三2D样片的式样的步骤可以基于利用模式识别算法确定以下项：第三2D样片中的至少一个第三2D样片的服装类型指示符；以及第三2D样片中的各个第三2D样片的衣片位姿指示符。生成第四3D服装模型的步骤还基于服装类型指示符以及衣片位姿指示符。

所述服装类型指示符表示(或者换句话说：指示)相应的第三衣片所属于的服装的类型。服装类型指示符可以选自在机器可读介质上存储的多个服装类型指示符。所述衣片位姿指示符表示(或者换句话说：指示)相应衣片在第三服装内的估计或初步位置以及估计或初步取向。

而且，提取所述至少一个服装后处理特征的步骤可以基于：利用提取算法，从所述一个或更多个第三文档(特别地，从用于对第三服装进行后处理的人可读的服装后处理说明)确定所述至少一个服装后处理特征。服装后处理特征对应于附加服装组件或服装特性，并且表示(或者换句话说：指示)第三服装内的(a)相应附加服装组件的位置和取向，或者(b)相应服装特性的位置和取向。

为了确定所述至少一个服装后处理特征，可以将提取算法配置为，关于以下项中的至少一项来对所述一个或更多个第三文档(特别是用于对第三服装进行后处理的人可读的服装后处理说明)进行分析：文本信息、图像数据、箭头、尺寸数据、色卡、颜色指示符、线迹类型以及线迹名称。

特别地，对应于(要生成第三3D服装模型的)单个服装的所述一个或更多个第三文档可以是所谓的对应于2D式样和组装说明的“技术包”。这可以被全部组合在一个文件或文档中，然而，也可以被提供为两个或更多相关的文件或文档。

注意，图4中的文本是伪文本(乱数假文(lorem ipsum))，其唯一目的是指示在这样的文档中，可能有多个文本段落是用于针对人类用户的组装指导以及类似注释的，即，非机器可读的。图4示出了第二文档的至少一部分以及第三文档的至少一部分的示例。

尽管上面例示了本发明，但部分参照一些优选实施方式，必须明白，可以作出这些实施方式的许多修改例和不同特征的组合。这些修改例全部落入所附权利要求的范围内。