완성된 3D 의상에서 2D 패턴을 다시 찾는 법

완성된 3D 의상을 돌려 보면 실루엣과 주름은 보입니다. 하지만 그 형태를 만든 패널의 경계, 각 조각이 평면이었을 때의 모습, 어느 선끼리 봉제됐는지는 표면에 남아 있지 않아요.

크리스틴컴퍼니의 Suho Song 님이 공개한 연구 프로토타입은 이 숨은 정보를 되짚습니다. 3D 의상 메시를 입력하면 2D 패턴의 형상과 봉제 연결 관계를 구조화된 PatternGraph로 복원하는 AI 모델입니다.

3D 표면에는 제작 정보가 보이지 않는다

의류 패턴은 원단을 어떤 모양으로 자르고, 어느 가장자리를 연결해야 하는지 알려주는 제작 정보입니다. 반면 완성된 3D 메시는 조립이 끝난 뒤의 표면을 보여줘요. 패널이 어디에서 나뉘었는지, 평면에서는 어떤 곡선이었는지, 서로 맞닿은 선이 실제로 봉제된 관계인지는 직접 적혀 있지 않습니다.

그래서 이 작업은 전형적인 역문제가 됩니다. 결과로 남은 입체형상에서 원래의 패널 분할과 2D 기하, 조립 논리를 거꾸로 추론해야 해요.

모델이 찾아야 할 정보는 크게 세 가지입니다. 3D 표면을 어떤 패널로 나눌지, 각 패널을 평면에서 어떤 모양으로 표현할지, 어느 가장자리끼리 연결할지입니다. PatternGraph는 이 조각과 관계를 하나의 구조로 묶어 보여줍니다.

닮은 이미지를 만드는 것과 패턴을 복원하는 것은 다르다

이번 프로토타입은 학습에서 보지 못한 3D 메시에도 구조화된 PatternGraph를 생성했습니다. 예측된 2D 패턴은 동일한 조건의 물리 기반 의상 시뮬레이터에서 다시 조립됩니다. 그렇게 만든 의상이 입력으로 주어진 3D 형상을 재현하는지 비교했어요.

검증 기준은 이미지의 외관을 넘어섭니다. 실제 조립 논리에 따라 연결한 패널이 원래의 입체형상으로 돌아가는지 확인했습니다. 2D 조각의 모양과 봉제 관계가 함께 맞아야 가능한 일이에요.

다만 공개된 게시물에는 패턴 오차나 재현율 같은 정량 지표, 적용 가능한 의류 유형의 범위까지 담기지는 않았어요. 지금 단계에서는 완성된 제품 기능보다 연구 프로토타입으로 읽는 편이 정확합니다. 어떤 형상에서 안정적으로 작동하는지, 복잡한 디테일과 여러 겹의 구조를 어디까지 다루는지는 후속 검증 과제로 남습니다.

의류에서 배운 구조를 신발에 그대로 옮길 수 있을까

의류와 신발은 복잡한 3D 표면에서 이를 구성한 2D 조각과 조립 구조를 찾아야 한다는 공통점이 있습니다. 여기까지는 같은 문제를 공유해요.

신발은 그다음부터 조건이 달라져요. 라스트의 형상, 가죽과 원단의 신축 및 구김, 갑피를 입체로 성형하는 라스팅 공정, 시접, 겹침과 접착, 부품별 제조 규칙을 함께 고려해야 합니다. 의류 메시에서 패턴을 복원한 모델이 곧바로 양산용 신발 패턴을 만든다고 볼 수 없는 것도 이 때문입니다.

이 연구가 신발 업계에서 주목받는 이유도 여기에 있어요. 완성된 3D 형상에서 패널을 나누고 조립 관계를 추론하는 능력은 신발 패턴 자동화의 기반으로 이어집니다. 신발에 맞는 제조 규칙은 그 위에 별도로 학습하고 제어해야 하죠.

두 연구는 서로 다른 빈칸을 채운다

크리스틴컴퍼니는 이 연구와 함께 3D 신발 라스트의 드래프트 패턴을 2D로 펼치는 작업도 병행 중입니다.

두 기술은 출발점부터 다릅니다. 의류 연구는 완성된 3D 메시만 보고 어디를 패널로 나눌지부터 추론합니다. 라스트 전개 연구는 표면에 미리 지정한 드래프트 영역을 어떻게 평면으로 펼칠지 계산해요. 하나는 숨은 분할과 조립 관계를 찾고, 다른 하나는 정해진 영역을 제작 가능한 2D 형상으로 옮깁니다.

두 접근이 향하는 곳은 분명해요. 3D 형상을 이해하는 단계와 실제 패턴 엔지니어링 사이에 놓인 공백을 줄이는 일입니다. 후속 검증이 필요한 부분도 여럿 남았습니다. 그래도 패턴을 단순한 외곽선이 아닌 패널, 소재, 연결 관계와 제조 규칙이 함께 작동하는 구조로 다루기 시작했습니다.

다음 글에서는 라스트 위의 절개선이 2D 드래프트 패턴으로 전개되고, 한 번의 수정이 연관 패턴에 실시간으로 반영되는 흐름을 살펴보겠습니다.

출처: Suho Song 님의 3D 의상 메시 기반 패턴 복원 연구 소개