随着经济、社会、文化的发展,传统的量体裁衣已经无法满足人们对服装的个性化、合体性以及在线定制的需求,服装产业逐渐由原来的大规模、标准化生产向柔性化、个性化定制方向转变。近些年,计算机图形学、数字图像处理以及人工智能等先进技术的应用,为服装行业带来了新的转机,推动了服装行业的模式更新,也推进了服装设计的数字化和智能化。服装数字化版型是服装数字化技术的关键问题和研究热点。本文结合深度学习神经网络的最新发展,提出了基于生成式对抗神经网络和卷积神经网络识别服装人体特征的方法和算法,为后续的数字化版型技术的研究提供依据。本文以男式短袖T恤为实例,分别在2D和3D空间开展数字化版型技术的方法和算法研究。其中,2D版型的研究采用模板匹配的方法。研究所用到的T恤版型模板库由CAD软件制作的T恤版型库和生成式对抗神经网络生成的T恤版型库共同构成。然后,将T恤版型与服装人体特征的匹配问题转化SVM的分类问题。通过交叉验证,寻找出与对应人体最匹配的T恤版型;3D版型的研究采用分片三角剖分的方法。根据服装人体特征的具体情况,对3D服装人体点云模型进行分片,再根据T恤的工艺要求拟合特征点和三角剖分,在三维空3D间中生成T恤衣片,并实现在2D平面的展开。为考察着装效果,引入质点-弹簧模型,根据牛顿定律对模型进行受力分析,应用AABB包围盒的方法实现了在三维空间中T恤衣片的着装仿真。研究结果表明,本文方法和算法具有一定的工程应用价值,对服装数字化方向的进一步研究具有借鉴作用。