Jan, 2021

TryOnGAN: 基于分层插值的有机体感知试衣

PDF
TL;DR本文提出了一种使用姿势条件的 StyleGAN2 神经网络架构和服装分割分支来实现图像转移的方法，该方法可以保存和合成皮肤颜色和目标人物的体形，同时转移来自不同人物的衣服，从而完成了穿衣试衣的需求。
image transfergenerative adversarial networkbody shape deformationskin colorgarment blending
发现论文，激发创造
  • 探究 TryOnGAN

    本文旨在探讨 TryOnGAN 实现的不同方面，如迁移学习的影响、姿势约束等，发现自编码器的潜在空间能够进行风格迁移。

    Jan, 2022

  • GarmentGAN：照片逼真对抗时尚转换

    GarmentGAN 是一种使用生成对抗方法进行图像化服装转移的算法，可以根据用户提供的两张图像，合成新的虚拟试衣图片，通过在训练中加入分割地图和人体关键点信息，提升了图像的真实性和效果。

    Mar, 2020

  • 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

  • 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

  • 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

  • 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

  • 通过生成式三维服装模型实现自监督碰撞处理，用于虚拟试穿

    本文提出了一种新的生成模型，用于 3D 服装变形，能够学习一种数据驱动的虚拟试穿方法，并成功地解决了服装和身体之间的碰撞问题。通过使用服装的规范空间来训练生成模型，实现了一种自我监督的碰撞术语，可以可靠地解决服装和身体之间的相互渗透。

    May, 2021

  • LayGA：适用于可动作服装转换的分层高斯人物头像

    通过 Layered Gaussian Avatars (LayGA) 提出将衣物和人体作为两个独立层次表示的方法，从多视角视频中实现真实感的可动衣物迁移，以实现高质量的几何重建、真实感渲染以及虚拟试穿，并在性能上优于其他基线方法。

    May, 2024

  • 一种由虚拟试穿模型的精简知识监督的新型服装转移方法

    利用虚拟试穿技术和自我监督学习，我们提出了一种新的服装转换方法，通过知识蒸馏从虚拟试穿中提供形状引导，并利用逐步流来准确地转换服装，同时使用一个设计良好的手臂再生任务来增强转换的逼真度。实验证明，与其他虚拟试穿和服装转换方法相比，我们的方法在人际服装转换方面表现出优越的性能。

    Jan, 2024

  • 街头试衣：从非配对人物图像中学习自然环境下的虚拟试衣

    在这项工作中，我们通过（1）引入一个街景尝试基准来评估在街景中的性能，以及（2）提出一种可以直接从一组野外人物图像中学习而不需要成对数据的新方法，来填补当前虚拟试穿研究中的空白。我们的方法可以通过结合基于 DensePose 的变形校正方法和由姿势和语义分割控制的扩散式修补方法，在商店和街道领域实现稳健的性能，并证明在标准工作室试穿任务和街头试穿和跨领域试穿任务方面具有 SOTA 性能。

    Nov, 2023