De kloof tussen creatieve ideevorming en technische productie heeft de modebranche al lang afgeremd. Traditioneel verloopt een ontwerp van schets naar technische platte patronen naar fysieke prototypes, waarbij elke overdracht vertaling vereist tussen formaten die geen structuur delen — een proces dat doorgaans meerdere sample-iteraties vergt voordat een kledingstuk wordt goedgekeurd. Style3D, een bedrijf gespecialiseerd in 3D- en AI-technologieën voor de mode, werkt eraan deze kloof te dichten door generatieve AI te verbinden met gestructureerde productdata, waardoor een meer verenigde workflow ontstaat die van ontwerp tot productie loopt.

Centraal in deze inspanning staat GarmageNet, een framework ontwikkeld door Style3D Research samen met Zhejiang University, Shanghai Jiao Tong University en Zhejiang Sci-Tech University. Gepubliceerd in ACM Transactions on Graphics en gepresenteerd op SIGGRAPH Asia 2025, pakt GarmageNet een kernprobleem in mode-AI aan: het verbinden van 2D-patronen met 3D-kledingvormen. De meeste generatieve beeldmodellen leveren visuals zonder de onderliggende constructiedata — naadplaatsing, naairelaties, stofgedrag — die productieteams nodig hebben, waardoor opvallende AI-conceptbeelden zelden ongewijzigd de fabrieksvloer bereiken. Het framework vat patrooncontouren, 3D-geometrie en naai-informatie samen in één verenigde representatie, waardoor inputs zoals tekst, schetsen, beelden, patronen of puntenwolken kunnen worden omgezet in gestructureerde assets. Het kan naairelaties reconstrueren en fysieke simulaties initialiseren, wat ontwerpverkenning, digitale bemonstering en bewerking ondersteunt.

Volgens het onderzoek wordt GarmageNet ondersteund door GarmageSet, een dataset van 14.801 professioneel vervaardigde kledingstukken. In evaluaties toonde het systeem een hoge nauwkeurigheid: GarmageJigsaw behaalde 99,16% precisie en 97,13% recall bij het identificeren van naaipunten, terwijl GarmageNet een slagingspercentage van 91,41% bereikte voor simulatie-initialisatie op 150 complexe patronen, met een inferentietijd van ongeveer acht seconden per kledingstuk onder testomstandigheden. Een verenigde dataset van professioneel gepatroneerde kledingstukken op deze schaal adress een bekend knelpunt in het vakgebied, waar onderzoek naar kledingconstructie historisch beperkt werd door kleinere, minder diverse datasets.

Het onderzoek weerspiegelt Style3D's bredere inzet om modetechnologie vooruit te helpen. Het bedrijf heeft meer dan 30 papers gepubliceerd op grote conferenties waaronder SIGGRAPH, CVPR en NeurIPS, en bezit wereldwijd 106 verleende octrooien — waaronder 58 uitvindingsoctrooien en 12 verleend in Europa en de Verenigde Staten — met nog eens 155 in aanvraag. Style3D heeft daarnaast een buitenlandse R&D-vestiging in Duitsland.

De praktische effecten van deze technologieën zijn al zichtbaar in de branche. Het Duitse herenmodemerk OLYMP gebruikt Style3D en Assyst om 2D-patronen, 3D-simulatie, visualisatie en digitale showrooms te integreren. Volgens het bedrijf heeft deze integratie de stijlontwikkeling van weken tot dagen verkort, het aantal fysieke samples verminderd en de communicatie tussen ontwerp, verkoop en productie verbeterd. Minder fysieke samples hebben ook een duurzaamheidsdimensie die voor kledingmerken een groeiende prioriteit is geworden, aangezien sampleproductie materialen, verzending en arbeid verbruikt zonder verkoopbaar kledingstuk op te leveren.

Style3D's ambities gaan verder dan contentgeneratie. Zoals CEO Eric Liu tegenover Just Style zei: "De belangrijkste ontwikkeling is de agent. Wij gebruiken agents om verschillende vaardigheden te verbinden." Door AI-agents in te zetten voor de coördinatie van productdata, 3D-ontwerp, simulatie en productievoorbereiding, wil Style3D een naadloze workflow bouwen waarin menselijke teams de creatieve en operationele controle behouden. Dit weerspiegelt een bredere verschuiving in de software-industrie, van AI-tools voor één doel naar agent-gebaseerde systemen die meerstaps-workflows orkestreren. Voor de mode markeert deze verschuiving van geïsoleerde AI-tools naar geïntegreerde systemen een belangrijke stap vooruit, met perspectief op grotere efficiëntie, minder verspilling en een snellere time-to-market.

Bron: Citybuzz