Body Shape Classification Model for Application in Sustainable Automated Clothing Production Systems
本研究利用三维人体测量数据和分类与回归树（CART）决策树开发了一种定量体型分类模型，实现了89.57%的预测准确率，通过为量体裁衣式样生成提供客观框架，从而实现可持续的自动化服装生产。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，走进一家服装店，发现了一套完美契合你的西装，这并非因为裁缝历经数周量身定制，而是因为一台机器在几分钟内就理解了你独特的体型并为你制作了出来。这就是自动化服装生产的愿景——一个数字技术与裁缝艺术交汇的领域。几十年来，该行业一直依赖于标准尺码（如小码、中码或大码），这些尺码假设所有身高体重相同的人看起来都一样。但人体形态远比这多样化得多；两个人的胸围可能相同，但站姿却截然不同，一个可能背部微驼，另一个则脊柱笔直。这些身体姿态的细微差异，决定了一件衣服是平整地悬挂，还是会出现拉扯和褶皱。为了超越这些粗略的猜测，科学家们需要一种方法，将人类形态复杂的、三维的现实转化为计算机可以遵循的清晰数学规则。
在最近的一项研究中，来自首尔大学的研究人员通过开发一种专门用于自动化服装系统的全新人体形状分类方法，向这一未来迈出了重要一步。他们针对的是一组 126 名韩国男性，这些男性年龄在 20 至 64 岁之间，且拥有共同的胸围尺寸。通过使用先进的 3D 扫描技术，研究团队捕捉了这些男性的数千项测量数据，其关注点超越了简单的周长数值，旨在理解身体的角度和坡度。他们特别感兴趣的是脊柱如何弯曲、肩膀如何坐落，以及臀部和腹部如何凸出，因为正是这些特征导致了即使尺码标签正确，衣服也经常不合身的根本原因。
研究人员分析了这些详细的 3D 扫描数据，以寻找人体差异中最关键的模式。他们发现，六个特定的形状因子即可解释研究对象中几乎所有的姿态和形态变化。这些因子包括：下背部的坡度、肩胛骨的角度、肩膀的倾斜度、肩线的形状、腹部的凸出程度以及臀部的凸出程度。通过将复杂的人体形态分解为这六个易于处理的类别，团队创建了一个系统，能够客观地描述一个人的体型，而不依赖于人类专家的主观判断。
为了让这个系统对机器有用，研究人员构建了一个决策树，这是一种类型的计算机模型，它通过一系列简单的“是或否”问题将人进行分类。例如，模型可能会首先询问肩线角度是在某个特定点之上还是之下，然后询问背部的坡度，以此类推。这一过程使他们预测人体型的准确率达到了近 90%。其结果是一个“体型矩阵”，这是一个将特定体型与服装样板所需的精确调整联系起来的结构化地图。现在，计算机不再需要裁缝手动测量和裁剪布料来修正合身度，而是可以通过查看一个人的数据，识别其在矩阵中的位置，并自动生成一个能够兼顾其独特姿态的样板。
这种方法将服装修正的过程分为两个截然不同的阶段。第一阶段称为“结构修正”，处理主要的形状变化，例如为了适应圆背而旋转样板片，或移动肩线；第二阶段“细节修正”，在处理完主要形状后，处理更小的细节，如调整袖长或缝线紧密度。通过这样组织数据，该系统模仿了熟练样板师的逻辑步骤，但具备了计算机的速度和一致性。研究发现，这种方法可以成功将人体分为 48 种不同的类型，为大规模定制系统奠定了基础，使服装能够根据个人进行定制，而不是强迫个人去适应标准尺码。
这项工作的意义不仅限于更好的西装。通过建立一种可靠的自动化人体形状分类方式，研究人员正在为更具可持续性的服装业铺平道路。目前，由于大量量产服装不合身，导致了大量的面料浪费、退货和丢弃。如果机器能够基于准确的身体数据，在第一次生产时就做出完美的服装，行业就能减少浪费，并向“按需生产”的模型转型。研究表明，通过将这些分类规则整合到自动化生产线中，行业终于可以弥合工厂化生产的效率与高级定制完美贴合度之间的鸿沟。
虽然目前的研究侧重于特定胸围范围的男性，但所开发的框架提供了一个可扩展的路径。研究人员指出，下一步是将这些相同的原则应用于全人类的各种体型以及不同类型的服装。研究中使用的数据来自每隔几年更新一次人体测量数据的国家调查，这意味着该系统可以随着人口的变化而演进。最终，这项工作将抽象的“体型”概念转化为计算机可读的一套具体指令，使“真正个性化、自动化且可持续的服装未来”这一愿景离现实又近了一步。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。