Nov, 2018

M2E-Try On Net: 从模特到每个人的时尚

PDF
TL;DR我们提出了一种新的虚拟试穿网络 M2E-Try On Net，它可以将衣服从模特图像转移到人物图像，而不需要任何干净的产品图像。我们的网络包括姿势对齐网络（PAN）、纹理细化网络（TRN）和适配网络（FTN），可以生成逼真的试穿模型衣服的人物图像。
virtual try-onm2e-try on netpose alignment networktexture refinement networkfitting network
发现论文，激发创造
  • 多姿态引导的虚拟试衣网络

    本文提出了首个多姿态影响下的虚拟试衣系统，使用三阶段的网络包括合成期望的解剖结构映射，将解剖结构的映射和服装特征整合起来，以及使用多姿态合成蒙版进行修复，成功地解决了虚拟试衣中的多种问题，实验结果表明，该虚拟试衣系统和该多姿态影响下的虚拟试衣技术显著优于现有技术。

    Feb, 2019

  • 利用 3D 模拟数据集进行面料 - 人体 - 属性引导虚拟试穿的网络设计

    本研究提出了一种名为 ClothFit 的虚拟试衣方法，通过考虑衣服的实际尺寸和人体属性，能够在目标身体上预测衣服的覆盖形状，该方法结合了 U-Net 网络结构和 Auto-encoder 技术，相比现有技术实现更加真实、高效的虚拟试衣效果。

    Jun, 2023

  • 基于内存的视频虚拟试穿网络

    提出了一种基于记忆的视频虚拟试衣网络（MV-TON），它可以在不需要任何服装模板的情况下，通过姿势对齐和区域替换像素，将所需的衣服无缝传输到目标人身上，并生成高分辨率逼真的视频

    Aug, 2021

  • M3D-VTON: 单目至 3D 虚拟试穿网络

    该研究提出一种新颖的基于 2D 和 3D 方法的单目 - 3D 虚拟试穿网络，通过有效地整合 2D 信息和学习将 2D 表示提升到 3D 的映射以构建一个 3D 试穿模型。所提出的模型包含三个模块：单目预测模块、深度细化模块和纹理融合模块。该模型在构建高质量的试衣数据集的基础上，通过大量实验，证明了其比其他 3D 方法更高效和能够更真实地描述试穿效果。

    Aug, 2021

  • 优化虚拟试穿的扩散模型

    本研究提出了一种改进的图像虚拟试穿的扩散模型（IDM-VTON），该模型通过使用高级语义和低级特征融合的方法，提高了服装的真实性，并生成了具有真实感的虚拟试穿图像。该研究还介绍了一种使用人物 - 服装图像对进行个性化定制的方法，并通过实验证明了该方法在保留服装细节和生成真实虚拟试穿图像方面的有效性。

    Mar, 2024

  • SieveNet: 基于图像的虚拟试穿的统一框架

    本文提出了一种名为 SieveNet 的框架，用于增强虚拟试衣的质量，使用多级精细变形网络和基于感知几何匹配的损失函数来变换衣服；引入分割掩模先验来提高纹理转移网络；引入多对三元组损失来训练纹理转移网络，从而产生高质量的虚拟试衣结果。

    Jan, 2020

  • 基于图像的虚拟试穿网络的特征保留模型

    本文提出了一种基于图像的虚拟试衣系统，使用全新的几何匹配模块进行形变和修补，在保留衣物特征的同时，同时处理衣物和图像之间的边界问题和计算拟合度，实现了真实感和模拟性能的完美融合。

    Jul, 2018

  • 可塑形体的内衣虚拟试穿模型

    本文提出了一个在电子商务场景下紧迫需要的基于图形注意力网络 (SC-VTON) 的形状可控虚拟试衣网络，以更精确地虚拟试衣。 通过将控制点融入 SC-VTON 中，我们可以使用服装 / 模型对数据来帮助优化变形模块，并将任务推广到典型的虚拟试衣任务。实验表明，该方法可以实现准确的形状控制，并且生成具有详细纹理的高分辨率结果。

    Jul, 2021

  • TryOn-Adapter：高保真虚拟试穿中高效的细粒度服装身份适配

    我们提出了一种有效且高效的框架 TryOn-Adapter，通过细粒度因素的解耦，包括风格、纹理和结构，对服装身份进行精确和高效的控制，并利用训练 - free 的 T-RePaint 策略进一步增强服装身份保存和试穿效果。

    Apr, 2024

  • MV-VTON: 多视角扩散模型虚拟试穿

    通过使用多视图衣物和扩散模型，引入了一种多视图虚拟试衣方法（MV-VTON），该方法在多视图中从给定的衣物中重建人物着装结果。

    Apr, 2024