Feb, 2019

多姿态引导的虚拟试衣网络

PDF
TL;DR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。
virtual try-onmulti-posehuman image manipulationgenerative adversarial networkclothing texture transfer
发现论文，激发创造
  • VTON-IT: 图像翻译的虚拟试衣

    使用基于生成对抗网络的图像翻译网络和语义分割技术，通过 VTON-IT 图像虚拟试穿应用程序将目标服装覆盖在感兴趣的身体部位，并生成细节丰富的高分辨率自然图像。

    Oct, 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

  • 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

  • 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

  • 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

  • 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

  • GP-VTON：通过协作的局部流全局解析学习实现通用虚拟试穿

    提出了一种通用的虚拟试穿框架，称为 GP-VTON，该框架通过开发创新的 LFGP 变形模块和 DGT 训练策略来解决图像中虚拟试穿的各种问题，如人体姿势变换和衣服变形，从而在具有挑战性的输入情况下保留语义信息，并避免出现纹理畸变。经过在两个高分辨率基准上的大量实验，表明该方法明显优于现有的相应方法。

    Mar, 2023

  • 自适应生成和保留图像内容，实现逼真虚拟试穿

    本文提出了一种新型的可视化试衣神经网络，名为自适应内容生成与保存网络（ACGPN），它首先预测变换后的参考图像的语义布局，然后根据预测的语义布局决定其图像内容是否需要生成或保留，从而实现了更加具有感知质量和丰富细节的逼真试穿图像。

    Mar, 2020

  • PG-VTON: 一种基于图片的虚拟试衣新方法，通过渐进推理范例实现

    提出一种基于渐进式推理范式的新型虚拟试衣方法（PGVTON），通过自上而下的推理管道和一般服装试穿策略实现，包括鲁棒的试穿解析推断方法和通过变形 - 映射 - 合成实施的服装试穿。同时使用 StyleGAN2 实现了针对目标肌肤形状的去光皮肤修复。在两个有挑战性的场景下展示了该方法具有最先进的性能。

    Apr, 2023

  • PICTURE: 非约束设计的光真实虚拟试穿

    本研究提出了一种创新的虚拟试穿技术，能够在输入人体图像上实现个性化服装的逼真合成。我们的方法具有灵活的样式和纹理条件，并通过明确分离样式和纹理的双阶段流程来解决全服装图像作为条件时的交织挑战。通过提取层次化和平衡的 CLIP 特征以及在 VTON 中应用位置编码，我们首次实现了复杂的非平稳纹理，实验结果表明了我们方法在合成质量和个性化方面的卓越表现。样式和纹理的灵活控制为在线购物和时尚设计提供了新的用户体验水平。

    Dec, 2023