论文导读
SEDDI研究人员提出两套学习方法，只读取二维服装纸样，就预测边缘该怎样缝合、各块衣片该摆在人体哪里。团队在4035件专业装配的数字服装上训练与评价，测试中63.28%的服装完整恢复缝合拓扑，另一个摆片模型在66.2%的服装上满足全部衣片的位置条件，把平面纸样接入自动装配流程。
有了纸样，还得告诉软件怎么拼
一件衣服摊开，可能是许多形状不同的平面衣片。把轮廓导进服装CAD软件，并不会自动告诉它哪一段袖口要接到哪一块身体面料，更不会知道内衬应该在外层里面。
这篇论文把自动装配拆成两步：先预测缝合关系和工艺属性，再把衣片安排到人体附近，作为垂坠仿真的起始状态。输入只需要二维向量纸样，不要求再提供一张成衣照片解释最终外形。
图：流程依次展示二维纸样、自动缝合、三维摆片、垂坠和完成的数字服装
但“边对边缝起来”只是最简单的情况。真实纸样中，一条长边可能连接多段短边；多层服装会先把两片叠在一起缝，之后再接到其他衣片；没有与别片相连的边，也可能需要卷边处理。
缝线要有顺序，重叠缝不能被当成普通接边
自动缝合模型以纸样的边界线段为单位读取信息，同时考虑线段自身的几何和所属衣片的整体形状。不同线段之间交换上下文，再预测它们属于哪一种缝合，以及连接顺序和相关属性。
这样可以表达多对多的连接，也能区分普通拼接、叠合缝与卷边。顺序很关键：找对了两组线段，却把连接方向排反，仍不能得到正确衣服。
图：衬衫整体与领口、袖口局部展示叠合缝和卷边在成衣中的位置
另一个摆片模型则以整块衣片为单位工作，预测它对应人体哪个区域、位于哪一层，以及在软件安排空间中的坐标。软件再把这些参数转成三维初始位置，而不是让模型直接从零输出每个布料点的最终姿态。
两步配合后，CAD里的垂坠模拟才有合理起点。论文展示的是数字装配，不涉及真实缝纫机器人，也不能写成工厂已经无人制衣。
63.28%要求整件衣服一条都不能错
数据包含4035件数字服装、1089种款式，既有简单背心，也有大量衣片组成的外套。同一款式不同尺码被放进同一份划分，避免训练见过相近尺码后，测试显得过于容易。
缝合模型的整件完整恢复率为63.28%。这个要求比“多数边连对”严格：整件的普通缝、叠合缝与卷边都要恢复，且不能凭空多出操作。
图：六组纸样与人体摆片结果并排展示，彩色边线标出预测的缝合对应
分开看，普通缝恢复率为91.52%，叠合缝77.68%，卷边86.12%。这些是操作层面的分数，不能拿最高的91.52%称作整件成衣成功率。
摆片模型的66.2%又是另一个评价，表示该件衣服所有衣片都满足规定位置条件。两套结果分别统计，论文没有允许把它们直接合并为端到端自动成衣完成率。
对没完全恢复的服装，作者发现73.3%的案例只有四处或更少缝合操作需要修正。这说明人工校正仍然存在，但错误未必散布在整件每一处。CAD集成展示中，预测成功的纸样可以继续自动缝合、摆片和垂坠，形成能检查的数字服装资产。
参考资料
https://arxiv.org/abs/2610.20651
