• 한국컴퓨터그래픽스학회논문지
• /
• 제26권5호
• /
• pp.15-24
• /
• 2020

본 연구에서는 주어진 옷감 시료의 정적 드레이프 모양으로부터 해당 옷감을 시뮬레이션하기 위해 필요한 시뮬레이션 파라미터를 추정하는 데이터 기반 학습법을 제시한다. 정적 드레이프의 모양을 형성하기 위해 의류 산업계에서 옷감을 물성에 따라 분류하기 위해 사용하는 쿠식 드레이프 (Cusick's drape)에서 착안한 방법을 사용한다. 학습 모델의 입력 벡터는 특정 옷감의 정적 드레이프 모양에서 추출한 특징 벡터와 옷감의 밀도 값으로 구성되고, 출력 벡터는 해당 드레이프 결과를 도출하는 여섯가지 시뮬레이션 파라미터로 구성된다. 실제에 가깝고 편향되지 않은 학습 데이터를 생성하고자 먼저 400가지의 실제 니트 옷감에 대한 시뮬레이션 파라미터를 수집하고 이로부터 GMM (Gaussian mixture model) 생성 모델을 만든다. 다음, GMM 확률분포에 따라 대량의 시뮬레이션 파라미터를 무작위 샘플링한다. 샘플링된 각각의 시뮬레이션 파라미터에 대해 옷감 시뮬레이션을 수행하여 가상의 정적 드레이프 결과를 만들고 이로부터 특징 벡터를 추출한다. 생성된 데이터를 로그선형회기(log-linear regression) 모델로 피팅한다. 학습의 수치적 정확도를 검증하고 시뮬레이션 결과의 시각적 유사도를 비교하여 제시된 방법의 유용성을 확인한다.

• 한국섬유공학회:학술대회논문집
• /
• 한국섬유공학회 2003년도 가을 학술발표회 논문집
• /
• pp.142-144
• /
• 2003

3차원 apparel CAD system개발에 있어서 직물의 드레이프 모사가 걸림돌이 되어왔다. 최근 컴퓨터의 속도 개선으로 인해 정적 드레이프의 경우 데이블 보 문제와 같이 적절한 시간내에 드레이프 모사가 이루어지고 있다. 그러나 드레이프는 cloth와 body간의 충돌 검사에 많은 시간이 소요되므로 virtual fashion show와 같이 인체가 운동하는 동적 드레이프의 경우는 아직도 어려운 문제이다. (중략)

• 한국섬유공학회:학술대회논문집
• /
• 한국섬유공학회 1998년도 봄 학술발표회 논문집
• /
• pp.262-265
• /
• 1998

직물의 드레이프 모사를 위해 쉘이론을 이용하여 개발된 정적변형(static deformation) 해석 프로그램은 직물의 크기가 비교적 작은 경우에는 다양한 상황에서의 직물의 드레이프 거동 예측에 만족할 만한 결과를 제시하였다[1]. 그러나 직물의 크기가 큰 경우에는 수치해석시에 나쁜 수렴성을 보여준다.(중략)