处理失配和遮挡条件的高分辨率虚拟试穿
该研究提出了一种名为 VITON-HD 的虚拟试衣方法,通过使用 ALIAS 标准化和生成器处理未对齐的区域以及保留 1024x768 输入的细节,成功地合成了 1024x768 虚拟试衣图片,其合成图像的质量显著优于基线,提高了试衣体验。
Mar, 2021
本文提出了通过新颖的语义引导混合模块来模拟服装虚拟试穿过程中的遮挡问题,并结合协助语义分割和姿态估计技术,使得图像合成结果具有更好的视觉效果,达到了更好的试穿体验。
Jan, 2023
图像虚拟试穿是将店内服装与穿着衣物的人物图像相配。本文提出了一个新颖的单阶段框架,通过隐性学习实现衣物变形和人物生成,采用语义上下文融合注意力模块进行衣物 - 人物特征融合,从而实现高效且逼真的衣物变形和体型合成。通过引入轻量级线性注意力框架,处理以往方法中存在的对齐问题和伪影。为了同时学习变形后的服装和试穿结果,引入了一个变形服装学习模块。我们的方法在 VITON 数据集上进行评估,在定性和定量指标上展示了其卓越的性能。
Oct, 2023
ClothFormer 是一种视频虚拟试衣框架,具有三个主要模块,包括两阶段的抗遮挡变形模块,外观流跟踪模块和双流变换器,能够综合在复杂环境中实现逼真,和谐和时空一致的视频虚拟试衣效果。
Apr, 2022
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
通过对管道架构、人物表示、关键模块和语义标准的综合分析,本文提供了最新技术和方法论在基于图像的人物试穿领域的全面调研,评估了不同方法,并展示了大规模模型在图像试穿任务上的未来潜力,并揭示了未解决的问题和未来研究方向。
Nov, 2023
本文提出了一种自适应掩码训练范式,通过破解试穿区域与原始服装之间的关联,并让模型学习正确的信息进行修补,从而在非配对虚拟试穿情况下提高服装的对齐度和适应性,显著提升虚拟试穿体验的真实感;并首次提出两种用于非配对试穿评估的指标,Semantic-Densepose-Ratio (SDR) 和 Skeleton-LPIPS (S-LPIPS),用于评估服装类型的正确性和纹理的准确性;并构建了一个全面的跨试穿基准测试集(Cross-27),涵盖了多种不同的服装项目和模特身材,用于验证非配对试穿,实验证明了所提方法的有效性,为虚拟试穿技术的发展做出贡献,为该领域的未来研究提供新的洞察和工具。代码、模型和基准测试集将公开发布。
Mar, 2024
本文提出 Outfit Visualization Net (OVNet) 方法以及其在多服装虚拟试穿成像方面的应用,该方法利用多项同步变形技术,通过语义布局生成器和逐层细化升级的图像生成管道生成高保真的多衣物虚拟试穿图片,并通过定制配件与人体协同识别的方法,能够将最适宜的配搭与体型匹配的用户展示在电子商务网站上,取得了极高的用户满意度。
Jun, 2021
本篇论文提出了一种深度学习的虚拟试穿方法,针对传统方法在衣物形态、质感等方面存在的问题进行了改善,并使用量化评估方法对模型的性能进行了验证。
Mar, 2020