Malgré les progrès technologiques modernes, l'industrie du vêtement est toujours ancrée dans une approche traditionnelle en 2D et en 3D lors d’essayage virtuel. La question fondamentale de l’accessibilité aux données morphologiques du consommateur en ligne n'a toujours pas été résolue de manière appropriée. De plus, l’interactivité et le relationnel entre le corps humain et le vêtement ne sont pas suffisamment explorés pour atteindre une performance satisfaisante lors de l'essayage du vêtement en ligne. Mes travaux de recherche ont donc pour objectif de combler ces lacunes en proposant une plate-forme numérique intégrant à la fois la connaissance des experts du secteur de l’habillement (ajustement et confort), et les retours sensoriels des clients (au porté du produit) en misant en place une nouvelle stratégie de conception de vêtement en 3D afin de calculer et d’ajuster les valeurs de l’aisance 3D de celui-ci, comme les points clefs lors de la perception et la satisfaction du produit par le client. C’est à partir d’une méthode de classification supervisée associée à un descripteur de forme 2D que nous avons retrouvé le morphotype du client en 3D avec son avatar. Cette relation complexe entre la reconnaissance du corps porteurs et la conception de vêtements 3D approprié dans essayage virtuel a été testée et analysée dans le cadre de ce projet pour bâtir une solution de conception adaptée à un environnement à distance. À cette fin, nous avons présenté les principes de la modélisation du vêtement directement adaptés à la morphologie du porteur afin de couvrir toute la gamme de formes et de mesures corporelles. / Despite modern technological progresses, the apparel industry is still anchored in the traditional 2D-to-3D design approach. Additionally, the aspects of the relation between human body and garment are not sufficiently explored in order to provide satisfactory performance of virtual try-on in the aspects of providing not only right fit and comfort to the customer but also avoiding returns to the retailer. However the main aspect is a lack of appropriately resolved issue of consumers’ body recognition in an online environment and proper 3D design methodology for individual client. In my PhD research, we challenge those gaps by proposing a foundation of a digital and knowledge-based platform for garment design and fit and comfort evaluation by integrating customers' and experts’ knowledge with the design parameters. By building a new 3D design strategy, we proposed an original method to calculate and adjust the 3D ease allowance values, which constitutes the key issues of satisfaction perception. Our 3D design method is linked to the consumer’s virtual representation, which come from a new pattern recognition method permitting to identify individual morphology from a single web-camera. It was experimentally shown that using the supervised method to create 2D shape descriptors enables to detect wearers’ morphotypes for a target population. The complex relationship between wearers’ body recognition, 3D garment design and garment fitting in virtual try-on has been tested and analyzed in the scope of this research project to build a suitable design solution applied to the remote environment.

Le design et le bien aller d’un vêtement joue un rôle majeur pour l’industrie du textile-habillement. Actuellement, il apparait trois inconvénients majeurs dans le processus de création et d’évaluation d’un vêtement : il est très coûteux en temps pour une efficacité moindre, il est subordonné à l’expérience des designers et modélistes, il n’est pas adapté au e-commerce.Afin de résoudre cette problématique, trois concepts à la fois technologiques et mathématiques ont été développées. Le premier s’appuie sur l’outil GFPADT (Garment Flat and Pattern Associated design technology) permettant de créer une correspondance entre le style du vêtement choisi et la morphologie du consommateur. Le second utilise l’interactivité entre deux espaces de conception 2D et 3D intégrée à l’outil 3DIGPMT (3D Interactive Garment Pattern Making Technology). Le dernier appelé MLBGFET (Machine learning-based Garment Fit Evaluation Technology) évalue l’ajustement du vêtement par un apprentissage automatique. Finalement, nous avons fourni des solutions de conception et d'évaluation de vêtements basées sur la connaissance en intégrant ces trois concepts basés sur des technologies clés pour résoudre certains problèmes de conception et de production de vêtements dans les entreprises de mode. / Fashion design and fit evaluation play a very important role in the clothing industry. Garment style and fit directly determine whether a customer buys the garment or not. In order to develop a fit garment, designers and pattern makers should adjust style and pattern many times until the satisfaction of their customers. Currently, the traditional fashion design and fit evaluation have three main shortcomings: 1) very time-consuming and low efficiency, 2) requiring experienced designers, and 3) not suitable for garment e-shopping. In my Ph.D. thesis, we propose three key technologies to improve the current design processes in the clothing industry. The first one is the Garment Flat and Pattern Associated design technology (GFPADT). The second one is the 3D interactive garment pattern making technology (3DIGPMT). The last one is the Machine learning-based Garment Fit Evaluation technology (MLBGFET). Finally, we provide a number of knowledge-based garment design and fit evaluation solutions (processes) by combining the proposed three key technologies to deal with garment design and production issues of fashions companies.