クリエイティブなアイデアと技術的生産の間のギャップは、長らくファッション業界の足かせとなってきました。従来、デザインはスケッチから技術的平面パターン、そして実物の試作品へと進み、各工程の引き継ぎごとに構造を共有しないフォーマット間の変換が必要で、衣類が承認されるまでに通常複数回のサンプル作成が繰り返されてきました。ファッション向け3D・AI技術を専門とするStyle3D社は、生成AIと構造化された製品データを接続することでこのギャップを解消し、デザインから生産まで一貫したワークフローの構築に取り組んでいます。

この取り組みの中核となるのが、Style3D Researchが浙江大学、上海交通大学、浙江理工大学との共同で開発したGarmageNetです。ACM Transactions on Graphicsに掲載され、SIGGRAPH Asia 2025で発表されたこのフレームワークは、ファッションAIにおける中心的な課題、すなわち2Dパターンと3D衣類形状をつなぐことに取り組んでいます。多くの画像生成モデルは、生産チームが必要とする縫い目の配置、縫製関係、生地の挙動といった基礎となる構造データを持たないままビジュアルを生成するため、印象的なAIコンセプト画像がそのまま工場の現場に届くことはほとんどありません。このフレームワークは、パターンの輪郭、3Dジオメトリ、縫製情報を単一の統一表現として捉え、テキスト、スケッチ、画像、パターン、点群などの入力を構造化されたアセットに変換できます。縫製関係の再構築や物理シミュレーションの初期化も可能で、デザインの探索、デジタルサンプリング、編集を支援します。

研究によると、GarmageNetは14,801点の専門家が制作した衣類で構成されるGarmageSetデータセットに支えられています。評価では高い精度が示され、GarmageJigsawは縫製点の識別において99.16%の精度と97.13%の再現率を達成し、GarmageNetは150の複雑なパターンで91.41%のシミュレーション初期化成功率を記録、テスト条件下で衣類1点あたり約8秒の推論時間でした。この規模の専門的にパターン化された衣類の統一データセットは、衣類構造の研究が従来、より小規模で多様性に乏しいデータセットに制限されてきたという分野の既知のボトルネックに対処するものです。

この研究は、ファッション技術の推進に対するStyle3Dのより広範な取り組みを反映しています。同社はSIGGRAPH、CVPR、NeurIPSなどの主要な国際会議で30編以上の論文を発表しており、世界で106件の特許を取得しています。うち58件は発明特許、12件は欧州および米国での取得で、さらに155件が出願中です。また、ドイツに海外研究開発センターを運営しています。

これらの技術の実用的な効果はすでに業界で現れています。ドイツのメンズウェアブランドOLYMPは、Style3DとAssystを活用し、2Dパターン、3Dシミュレーション、ビジュアライゼーション、デジタルショールームを統合しています。同社によると、この統合によりスタイル開発が数週間から数日に短縮され、実物サンプルの数が削減され、デザイン、販売、生産間のコミュニケーションが改善されました。実物サンプルの削減には、アパレルブランドにとって優先課題となりつつあるサステナビリティの側面もあります。サンプル生産は、販売可能な衣類を生まない材料、輸送、人件資源を消費するためです。

Style3Dの野心はコンテンツ生成にとどまりません。CEOのEric Liu氏はJust Styleに対し、「最も重要な進展はエージェントです。私たちはエージェントを使って異なるスキルをつないでいます」と述べています。AIエージェントを活用して製品データ、3Dデザイン、シミュレーション、生産準備を連携させることで、Style3Dは人間のチームがクリエイティブと運営の主導権を保ちながら、シームレスなワークフローの構築を目指しています。これは、単機能のAIツールから複数工程のワークフローを統括するエージェントベースのシステムへと向かうソフトウェア業界全体の潮流とも呼応しています。ファッションにとって、孤立したAIツールから統合されたシステムへの移行は大きな前進であり、より高い効率、廃棄物の削減、市場投入の高速化につながる可能性を示しています。

出典：Citybuzz