Nov, 2023

DI-Net：解耦式隐式服装转移网络用于数字化人类的服饰三维模型

PDF
TL;DR3D 虚拟试穿是一个具有广泛潜力且备受关注的挑战性任务，本文提出了一种基于分解的隐式服装转换网络 (DI-Net)，通过像素对齐的隐式函数构建方法，实现了从任意视角重建 3D 人体网格和保留其纹理恢复的能力，在 3D 虚拟试穿任务中展现出优异的性能和效果。
3d virtual try-ondi-netgarment transferimplicit functionstexture reconstruction
发现论文，激发创造
  • CT-Net：基于补充转移网络的服装转移方法

    该论文提出了 Complementary Transfering Network（CT-Net）模型，其中包括了互补配准模块、布局预测模块、动态融合模块等三部分，通过在 DeepFashion 数据集上的实验，证明了本研究的高质量服装迁移图像合成能力，并在品质和数量上显著优于现有方法。

    May, 2021

  • 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

  • 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

  • 利用 3D 模拟数据集进行面料 - 人体 - 属性引导虚拟试穿的网络设计

    本研究提出了一种名为 ClothFit 的虚拟试衣方法，通过考虑衣服的实际尺寸和人体属性，能够在目标身体上预测衣服的覆盖形状，该方法结合了 U-Net 网络结构和 Auto-encoder 技术，相比现有技术实现更加真实、高效的虚拟试衣效果。

    Jun, 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

  • 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

  • M2E-Try On Net: 从模特到每个人的时尚

    我们提出了一种新的虚拟试穿网络 M2E-Try On Net，它可以将衣服从模特图像转移到人物图像，而不需要任何干净的产品图像。我们的网络包括姿势对齐网络（PAN）、纹理细化网络（TRN）和适配网络（FTN），可以生成逼真的试穿模型衣服的人物图像。

    Nov, 2018

  • 利用外观流驯服扩散模型的高质量虚拟试穿

    基于扩散模型的条件修复技术在虚拟试衣中的有效使用，结合了扭曲模块的力量来产生高质量和逼真的虚拟试穿结果。

    Aug, 2023

  • GarNet：一种用于快速准确的三维布料披覆的双流网络

    该论文提出了一种名为 GarNet 的两流体系结构，利用深度网络从三维点云中提取不同级别的服装特征，并将其与从三维物体并行提取的特征融合，以建模衣物 - 身体交互，最终可在 100 倍速下生成视觉上合理的服装形状，同时平均三维点距离少于 1 厘米，可用于不同类型衣服的建模。

    Nov, 2018

  • TryOnDiffusion：两个 UNet 的故事

    本研究提出了一种基于扩散的架构，统一了两个并行 UNet，旨在在保留服装细节的同时，通过扭曲服装并令其适应不同的身体姿态和形状变化，生成着装效果图。实验结果表明，该方法在质量和多个评估指标上均取得了最先进的表现。

    Jun, 2023