Oct, 2023

虚拟试穿的单阶段变形布料学习和语义-上下文关注特征融合

HTML
PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 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

  • 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

  • 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

  • 可变形注意力流在单阶段虚拟试衣中的应用

    通过 Deformable Attention Flow 实现 virtual try-on 的 end-to-end 模型，同时处理衣服变形和身体融合问题，最终达到以高度真实感展示 virtual try-on 的结果。

    Jul, 2022

  • 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

  • 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

  • WarpDiffusion：高保真虚拟试衣的高效扩散模型

    通过引入新颖的信息感知和局部服装特征注意机制，WarpDiffusion将基于变形和基于扩散的范式相结合，实现了高效和高保真度的虚拟试衣，从而提升了现有VITON方法的综合质量。

    Dec, 2023

  • 基于图形的服装变形与导向反转的Virtual-tryon

    通过引入一种新颖的基于图的变形技术、利用潜在扩散模型进行虚拟试衣和考虑纹理保护以及整体逼真度的遮挡感知变形约束等方法，我们在VITON-HD和Dresscode数据集上验证了我们的方法，在服装变形、纹理保留和整体逼真度方面取得了显著的态度艺术定性和定量结果上的改进。

    Jun, 2024

  • DH-VTON：通过混合注意力学习的深度文本驱动虚拟试穿

    本文针对虚拟试穿（VTON）任务中的精细语义提取和纹理保留问题，提出了一种深度文本驱动的虚拟试穿模型DH-VTON。该模型采用混合注意力学习策略和深度服装语义保留模块，显著提升了服装细节和人像生成的质量，超越了现有的扩散和GAN方法。

    Oct, 2024