Dec, 2023

PICTURE: 非约束设计的光真实虚拟试穿

HTML
PDF
TL;DR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。
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

  • 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

  • FashionTex: 可控的基于文本和纹理的虚拟试穿

    通过将文本和纹理相结合，FashionTex框架能够在无需配对数据的情况下，对服装类型和纹理模式进行语义控制，从而支持全身肖像的用户友好型时尚定制。

    May, 2023

  • 带有形状控制和纹理引导的两阶段个性化虚拟试穿框架

    本文提出一种全新的个性化虚拟试穿模型（PE-VITON），将图片作为扩散模型的引导条件，通过两个阶段（形状控制和纹理引导）解耦服装属性。定向引导的方式使得该模型可以有效解决传统试穿方法中服装褶皱减弱、复杂人体姿势下生成效果差、衣物边缘模糊和纹理样式不清晰等问题，并根据人体姿势自动增强生成的服装褶皱和纹理，提高虚拟试穿的真实性。实验证明，该模型优于现有的最先进模型。

    Dec, 2023

  • 产品级试穿：保持特征的试穿，还原真实服装色调和皱纹

    基于图像的虚拟试穿系统，旨在设计一种新的流程，可以保留服装的静态特征，如纹理和标志，同时生成适应模型姿势和环境的动态元素，先前的研究在生成动态特征方面存在问题，我们提出了一种新的基于扩散的产品级虚拟试穿流程，即PLTON，它可以保留细节丰富的标志和刺绣，同时产生逼真的服装阴影和皱纹。

    Jan, 2024

  • 一种时间高效和身份一致的虚拟试穿方法：基于改进扩散模型的变体

    本研究讨论了当代电子商务和前景元宇宙中虚拟试穿的关键问题，强调在各种场景中保留目标人物和衣物的复杂纹理细节和独特特征所面临的挑战，并探索了现有方法的局限性和未解决的问题，随后提出了一种基于扩散的新颖解决方案，该解决方案在虚拟试穿过程中解决了服装纹理保留和用户身份保留的问题。该网络显示出令人印象深刻的结果，在推理过程中的速度超过最先进技术近20倍，并在定性评估中具有更高的保真度。在VITON-HD和Dresscode数据集上的定量评估证实了与最近的SOTA方法相当的性能。

    Mar, 2024

  • 基于模式引导的真实视频服装纹理UV恢复

    我们提出了一种基于图案的方法，通过从服装图案中检测的离散对应关系，使用融合权重的多层感知器（MLPs）驱动的逐像素UV回归模块，对捕获的真实视频进行UV和着色恢复，从而实现服装纹理的自动替换，我们的方法在不同类型的服装、复杂光照和具有挑战性动作下表现稳健，与基础线方法相比，在纹理替换上取得了明显的定性和定量改进，通过一键设置，我们期望我们的方法为时尚电子商务的发展做出贡献。

    Jul, 2024

  • IMAGDressing-v1：可定制的虚拟试衣

    通过本研究，我们提出了IMAGDressing-v1，它结合了语义特征和纹理特征，利用虚拟穿衣技术生成可编辑的人体图像，解决了商家展示服装的问题，并且通过发布互动服装配对数据集和建立标准流水线进行数据组装，实现了在各种受控条件下的最先进人体图像合成绩效。

    Jul, 2024

  • FabricDiffusion：基于自然衣物图像的3D服装高保真纹理转移

    本研究解决了现有技术在复杂背景下难以准确转移服装纹理的问题。提出的FabricDiffusion方法通过提取无失真、可拼接的纹理材料，并利用去噪扩散模型进行处理，从而在3D服装上实现高质量纹理转移。实验表明，该方法在多种条件下优于现有技术，并能有效推广至未见过的纹理和服装形状。

    Oct, 2024

  • 高保真虚拟试衣基于大规模非配对学习

    本研究针对现有虚拟试衣方法在高保真试衣中存在的不足，提出了一种新的框架“增强虚拟试衣（BVTON）”，利用大规模非配对学习提高试衣的真实感。通过构建伪试衣配对和创新的组件规范流，实验结果显示该方法在高分辨率数据集上优于现有技术，并且在不同穿着风格和数据源中的通用性和可扩展性表现良好。

    Nov, 2024