GarmentWeaver：多模态缝纫纸样的模式感知结构化合成

多模态缝纫图案生成旨在从草图和文本描述等设计线索推断出可执行的缝纫图案。作为一种可解释且兼容模拟的表示形式，缝纫图案对于数字服装创作特别有价值。然而，现有方法通常将服装规格建模为扁平的长序列，这将服装结构与详细参数纠缠在一起，导致组件冗余、局部细节不准确、仿真兼容性差。在本文中，我们提出了 GarmentWeaver，一个用于多模态缝纫图案生成的模式感知框架。 GarmentWeaver 通过激活与服装相关的结构分支来构建紧凑的分层目标，并以结构化方式预测可执行的缝纫图案。具体来说，我们引入了模式感知目标构建策略，在预训练的视觉语言模型之上构建生成器以实现多模态服装理解，并实施可行性感知正则化以鼓励结构有效和模拟兼容的输出。大量实验表明，GarmentWeaver 比强基线生成更准确、更可执行的缝纫图案，同时还产生更好的模拟结果。这些发现证明了模式感知结构化生成对于可靠的多模态缝纫图案预测的有效性。