网络虚拟展示中的服装模拟方法综述

张 惠，郭瑞良

(北京服装学院，北京 100029)

1 引言

近年随着电子商务的蓬勃兴起，网络购物已走进千家万户。服装通过网络平台销售，使消费者购物的便捷性和选择性提高。据统计，2017年我国网络购物人数已达到5.33亿，其中服装类商品消费占比最大。服装在购物平台上的展示方式虽然有平铺、悬挂、真人试穿等多种展示方式，但都基于传统的真实服装图片，有一定不足，例如平铺等方式不能很好地展现服装的穿着效果；真人试穿虽可多角度全方位地展现服装穿着效果，但真人模特每次拍摄的费用相对昂贵，如服装不受市场欢迎则会使商家得不偿失[1]。

针对目前网络服装展示的窘境，一种新的服装展示方式应运而生，即3D服装虚拟展示技术。该技术适应市场需求，也是目前服装数字化发展的趋势所在。用户只需通过一件虚拟的服装即可从各个角度了解服装的款式细节，这种展示方式可以让商家节省一定的成本。目前一些有实力的企业已将3D服装虚拟展示技术应用到网络平台的个性定制、3D虚拟试衣、设计平台等热门领域[2]。本文主要针对静态3D服装的模拟方法展开论述，希望为网络服装的静态展示研究提供一定参考。

2 物理模拟方法

服装虚拟展示技术的难点在于对布料的精确模拟。尽管处于静态，但不同的展示姿态会使服装在不同区域产生各种不确定性褶皱。如何更逼真地表现这些褶皱，一直是研究的重点。现有的布料模拟方法主要有几何模拟、物理模拟和几何-物理结合的混合模拟法。几何模拟的优点在于其模拟的高效性，但由于几何模拟只是通过数学公式表示布料表面的凹凸效果而没有考虑布料的不同材质，导致所有面料看起来效果是一样的[3]。混合模拟方面，有研究者尝试了两种方法[4]，一种是先用物理模拟生成服装的总体运动趋势，再由几何方法刻画褶皱等细节部位。另一种是根据服装与人体的距离，距离近的使用几何法驱动，距离远的使用物理方法驱动。

因此目前使用较多的布料模拟方法是物理模拟。质点-弹簧模型是物理模拟常用的模型[5]，该模型的思想在于使用质点构成布料，其间用无质量的弹簧连接，并赋予质点以质量，这样质点由于受重力场的作用就会形成类似于真实布料的悬垂状态。该模拟方法的优点在于模拟效果好，由质点构成的粒子距离的数值越小，服装的模拟效果越真实。以韩国的一款服装模拟软件CLO 3D为例，该软件采用物理模拟，粒子距离从20到10的变化过程中，模拟效果逐渐变得接近真实布料的效果，如图1所示。其缺点在于随着模拟真实度的增加和粒子距离的变小，后台需要进行大量的数学运算，因此模拟过程中对计算机的配置要求较高。另外，以普通的一件女士衬衫为例，在CLO 3D中的粒子距离降低到5时，衣服的模拟效果比较真实，衣服的项目文件大小为20M，虽然现在网络带宽已经达到较高的传输速度，但模型在网络平台上的浏览效果仍然不佳。在静态3D服装网络展示中，为了给用户提供良好的网页浏览体验，需要做到模型在网络中流畅传输，这种基于物理的模拟方法在3D网络虚拟展示中受到一定限制。因此，急需找到可以对服装模型进行优化，或者寻找完全有别于物理模拟的实现服装高效实时模拟的方法。

图1 CLO 3D中布料粒子距离变化

2.1 物理模拟下的服装模型优化方法 网格聚类

服装模型的模拟效率低、网络传输速度慢、占用内存大，是因为高精度服装是由大量密集的网格构成的，如果能够在保证模拟效果的前提下降低网格密度，以上难题就能得到很好的解决。针对这一点，不少研究者在虚拟服装模型网格优化方面做了大量的研究，提出了高精度网格划分服装的网格聚类的服装建模方法。

该方法的思想在于服装的表面虽然有各种复杂的褶皱，这些褶皱需要更多的网格划分才能更逼真的表现，但是并不是整件服装都会布满褶皱，褶皱大多出现在关节处或者布料堆积处，比如腋下、肘部、膝盖等位置的褶皱较多，而在大臂外侧、背部、胸前、臀部等身体部位，布料并没有太大的起伏，褶皱分布较少。根据这一规律，布料较平坦的区域就算使用较少的网格进行划分也能达到和高密度网格划分一样的模拟效果。这样一来，对于关节等位置的密集褶皱使用精细网格划分，可以很好地表现褶皱效果，对于较平坦位置使用较少的网格划分，不仅保证了整件衣服的模拟效果，还在一定程度上降低了模型的文件大小，如图2所示[6]。

图2 网格聚类的模型优化方法

2.2 物理模拟下的服装模型优化方法 法线贴图

另一种可以有效优化模型的方法是制作模型的法线贴图，然后进行烘焙和渲染。这种方法应用起来比较方便，在企业中使用较多。本文对多种法线贴图优化方法进行了对比研究，从中总结并优化出模拟效果较好且有效降低模型网格精度的方法，具体的实现过程包括以下三点。

2.2.1获得高模服装

首先是制作服装模型的高模，即较细网格划分的模型。具体获得高模的方法可以是由3D建模软件进行二维板片到三维服装的缝合。常用的服装模拟软件有韩国的CLO 3D虚拟试衣软件，以色列的V-stitcher虚拟试衣软件，以及近几年兴起的美国的TOKATUCH虚拟试衣。经过试衣软件缝合调整后，衣服能够达到较好的外观模拟效果。导出服装的高模以及高模对应UV下的低精度网格划分的服装板片。值得注意的是：低精度网格划分的板片的划分精度(CLO 3D中的粒子距离)设置为多少比较合适。粒子距离越大，服装网格密度越小，其优点是得到的服装底模占存储空间越小，缺点是服装模型表面以及袖口、下摆等位置由于网格过大会出现明显棱角，从而降低了服装模拟真实度，故而粒子距离的大小要视不同服装款式多次尝试，一般简单款式的划分精度为15，较复杂服装(如古代服饰)的划分精度设置为20。

2.2.2获得底模服装及细节处理

此时的底模板片是由杂乱不规则的四方网格组成的，这样得到的底模服装表面不平整，不利于后期的服装细节处理，因而需要进行规则四方网格转化。只需通过ZBrush软件的ZRemesher功能进行转化即可。

将转化后的底模板片与高模的服装模型进行UV传递，获得底模服装模型。可使用具有UV传递功能的三维软件Maya进行操作。服装的UV可以简单理解为服装的板片在空间中的坐标，必须保证服装和板片的UV一致才能使底模板片完全吻合地传递到高模服装模型上。接下来是通过3dsMax软件对底模服装进行边缘、接缝处厚度的折边、挤出等处理，从而增强服装的立体效果。

2.2.3创建法线贴图及纹理渲染

经细节处理后的底模已实现较好的模拟效果，但是由于网格精度的降低，底模服装的褶皱效果有所下降。因此，需要在ZBrush软件中对底模进行层级划分，同时在各层级对褶皱进行雕刻，以达到高层级划分下的逼真模拟效果。这样，就可以在ZBrush中导出高层级划分下的法线贴图。在3dsMax中进行法线贴图的纹理渲染，通过光影的调整以及烘焙便能够获得真实感较强的三维虚拟服装。法线贴图的方式可以降低模型所占存储空间大小，同时也能保证模拟的真实性。但这种方法需结合多个3D软件平台，且涉及到模型UV的一致性，建模过程相对复杂。

3 数据驱动的模拟方法

3.1 数据驱动现状

在信息科技不断发展过程中，各个企业都沉淀了大量数据，这些数据中蕴含着重要的潜在价值。如何更好地利用这些数据促进企业发展，提升企业创新力和竞争力一直是企业的发展重点[7]。近几年，数据驱动的人工智能方法成为热点，该方法直接从数据中获取深层次知识，并有了突破性进展。例如，谷歌公司利用网络搜索引擎得到的大数据来预测疾病流行[8]。再如，各大手机品牌一方面将面部识别技术应用于手机，使得用户只需刷脸即可解锁屏幕。另一方面，开发团队搜集上千个摄影师作品，寻找其中的构图规律和场景虚化规律，将其通过强大的AI智能技术应用于摄像头，手机摄像头便可识别多种标签和拍摄场景，并对画面智能虚化，达到类似单反的艺术效果。在这种人工智能的背后，是对基于数据驱动的机器学习的应用[9]。数据驱动就是通过对已有数据的分类、提取、总结并找到这类数据的内部关系，从而掌握它们的规律，进而预测未来的发展趋势。当然这些已有数据必须是足够大量的数据，才能找到它们的内部规律并减小预测误差。而使用各种算法寻找数据规律的过程就是机器学习的过程。总之，数据驱动的应用浪潮正在迎面扑来，只有掌握并应用这一趋势才能走在智能科技的前端。

3.2 数据驱动在三维虚拟服装中的研究现状及问题

数据驱动技术已经在很多领域成功应用。在虚拟服装领域，数据驱动也具备重要的研究意义。相比前面介绍的基于物理的模拟方法，数据驱动则是另外一种完全不同的思路。该方法不再将重点放在服装的物理属性上，而是对服装形变信息进行量化，获取量化数据，对量化数据进行机器学习，得到服装形变的预测模型，从而预测新的服装形变信息。由于预测模型在进行预测时运算快速，因而在实现服装模型的实时模拟中具有非常好的前景。

最早的数据驱动并不是应用在虚拟服装中，而是驱动人体的局部变形。早期研究者提出骨骼子空间变形方法[10]( SSD )，该方法是将人体骨骼子空间作为低层次空间，将皮肤作为复杂的高层次空间，建立从高层次空间到低层次空间的映射关系，即建立人体皮肤到骨骼的映射模型，从而通过骨骼的变形得到皮肤附着骨骼后的变形。基于这种思想，Kim等人[11]提出以人体骨骼为低层次空间，服装作为高层次空间，将服装映射到骨骼空间的数据驱动模拟方法。

Wang[12]提出了一个基于实例的褶皱合成技术，通过人体运动骨架驱动服装产生褶皱，使用细网格和粗网格两种不同分辨率模拟布料动态效果，在线模拟时使用粗网格表示，离线时添加弯曲、褶皱等细节，从而提高模拟效率。这种方法只适用于贴近皮肤表面的衣服如裤子、T恤等，如图3所示，对于宽松的衣服或斗篷这些持续性碰撞和细小褶皱的衣服来说，其模拟起来比传统的物理模拟方法复杂。

国内对于数据驱动在三维虚拟服装的模拟研究也有一定的进展。其中，华北电力大学控制与计算机工程学院[13]通过CLO 3D试衣软件加载卡内基梅隆大学motion capture database提供的人体骨骼运动信息获得高精度网格划分的服装模型，用服装网格顶点法向量的夹角表示顶点光滑度，并用KNN聚类算法将顶点光滑度在某一范围内的顶点划分到同一块区域。将每块区域内的各顶点光滑度的平均值视为该区域的特征值，从而得到整件服装的特征值组作为机器学习的输出值，以骨骼变形信息为机器学习中的输入值。通过这种大量的训练集数据进行多种算法模型的学习，最终得到误差值最小的映射模型。研究流程如图4所示。

图3 人体骨架驱动服装产生褶皱

图4 人体骨骼形变驱动服装形变研究流程

刘骊等人[14]提出了一种基于数据驱动的服装模型快速生成的方法。该方法指出一组服装模型之间具有比较明显的几何特征(如服装模型都是由领子、袖子、衣身等组成的)。因此可首先对已有的服装模型集进行形状款式分析，通过语义分割算法将具有一致款式结构的服装分割出来。然后进行相同部件模型的聚类，建立三维服装部件库。接着给部件库每个款式赋予描述其款式特征的标示属性，建立款式描述算子，优化匹配三维服装部件的空间位置，最后通过自适应的服装部件自然拼接算法实现服装各部件的重新自然组合，得到新的服装模型，方法流程图如图5所示。

图5 基于数据驱动的服装模型快速生成的方法流程图

国内对于三维服装网络虚拟展示的数据驱动模拟方法的研究较少见，主要应用领域是游戏角色和三维动画，且研究中的实例数据库大多来自于三维软件建立的虚拟服装模型，模型褶皱形态、数量等是否达到同一面料真实服装的褶皱效果是没有经过验证的。因此，有必要从真实服装中获取服装形变信息作为实例数据库。

4 结语

从1990年Miralab实验室的第一个三维服装虚拟展示案例至今，三维服装虚拟展示技术已经发展了将近30年，从最初的毫无褶皱的包裹人体到如今的真假难辨，虚拟服装的发展速度惊人。在保证模拟效果的同时寻找更快速的模拟方法，甚至另辟蹊径打破传统的物理模拟方法，将数据驱动应用到虚拟服装展示中是研究的热点。相信在不断地探索中，三维虚拟服装展示技术会有更多突破。