Feb, 2024

一种使用生成对抗网络（GAN）创建虚拟试衣间的成本有效方法

PDF
TL;DR在 COVID19 大流行病之后，由于许多卖家要么改为在线购物，要么关闭试衣间，顾客对购物过程感到犹豫和不确定，因此，使用新的 AI 技术创建一个在线平台或虚拟试衣间 (VFR) 可以满足顾客试穿产品的需求，从而提高销售量和产品质量。
clothes shoppingvirtual fitting roomai technologiesonline platformgenerative adversarial networks (gans)
发现论文，激发创造
  • 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

  • VTON-IT: 图像翻译的虚拟试衣

    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

  • 移动试衣间：基于扩散模型的设备内虚拟试穿

    我们提出了 Mobile Fitting Room，这是第一个基于设备的基于扩散模型的虚拟试穿系统，通过创新的技术流程和界面设计，实现了高质量的服装放置、模型压缩、隐私保护和用户自定义，为时尚电子商务业务提供了沉浸式、交互式的虚拟试穿体验。

    Feb, 2024

  • GarmentGAN：照片逼真对抗时尚转换

    GarmentGAN 是一种使用生成对抗方法进行图像化服装转移的算法，可以根据用户提供的两张图像，合成新的虚拟试衣图片，通过在训练中加入分割地图和人体关键点信息，提升了图像的真实性和效果。

    Mar, 2020

  • 增强虚拟试衣自我监督视觉变换

    虚拟试衣技术的创新方法，结合自监督视觉变换器和扩散模型，通过对比局部衣物图像嵌入与全局嵌入来实现细节增强，条件引导和关注关键区域等技术的融合进一步提高了虚拟试衣体验的真实感和精确度。

    Jun, 2024

  • 全卷积图神经网络用于参数虚拟试穿

    提出了一种基于全卷积图神经网络的学习方法，用于虚拟试穿应用。该方法可以适用于许多服装类型，并使用几何深度学习方法对 3D 服装进行拟合。通过对目标物体形状和材料进行建模，我们的模型学习了更精细的细节，提高了试穿模型的性能。

    Sep, 2020

  • 利用 GAN 和孪生网络从真实照片匹配服装的 PoshakNet 框架

    提出使用基于 GAN 和 Siamese 网络的视觉搜索框架，可以从输入的照片中提取被穿着的服装并与数据集中的服装进行匹配，以帮助在线购物客户更好地搜索商品。

    Nov, 2019

  • 利用生成对抗网络进行服装设计

    本文探讨了生成对抗网络的应用在时尚设计上的可能性。实验表明，基于属性的 GAN（AttGAN）可以成功编辑时装的视觉特性，但也提示着 GAN 在设计概念的属性级别编辑上所存在的一些关键限制和未来需要解决的研究问题。

    Jul, 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

  • 注重细节的精准和逼真服装可视化

    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