基于内存的视频虚拟试穿网络
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
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
提出了一种新颖的虚拟试穿框架 DM-VTON,使用知识蒸馏方案,以简化和提高效率,通过引入高效的移动生成模块,减少运行时间并确保高质量的输出,以实现每秒 40 帧的速度和占用 37MB 的内存。该框架有助于推进实时增强现实应用的发展,同时为多种专门训练任务定制的逼真着装人体形象的生成。
Aug, 2023
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
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
本研究提出了一个基于图像的 Virtual Try-On Network,采用 “粗到细” 的策略将所需的服装项目无缝地转移到相应的人体部位,从而合成真实的照片,不需要 3D 信息,并通过细化网络训练来改善初始模糊图像。
Nov, 2017
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
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
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