tác giả:  (1) Kedan Li, Đại học Illinois tại Urbana-Champaign;  (2) Min Jin Chong, Đại học Illinois tại Urbana-Champaign;  (3) Jingen Liu, JD AI Research;  (4) David Forsyth, Đại học Illinois tại Urbana-Champaign.  Bảng liên kết   Tóm tắt và giới thiệu   Công việc có liên quan   Phương án đề xuất   Thí nghiệm   Kết luận và tài liệu tham khảo  5. Kết Luận  Trong bài viết này, chúng tôi đề xuất hai sửa đổi chung cho khung thử ảo: (a) chọn cẩn thận cặp sản phẩm-mô hình để chuyển bằng cách nhúng hình dạng và (b) kết hợp nhiều sợi dọc phối hợp bằng cách sử dụng tính năng inpainting. Kết quả của chúng tôi cho thấy rằng cả hai sửa đổi đều dẫn đến sự cải thiện đáng kể về chất lượng thế hệ. Các ví dụ định tính chứng minh khả năng của chúng tôi trong việc bảo quản chính xác các chi tiết của hàng may mặc. Điều này dẫn đến người mua hàng khó phân biệt giữa hình ảnh mô hình thật và hình ảnh mô hình tổng hợp, thể hiện qua kết quả nghiên cứu của người dùng.  Người giới thiệu  Alp Guler, R., Neverova, N., Kokkinos, I.: Dày đặc: Ước tính tư thế dày đặc của con người trong tự nhiên. Trong: Hội nghị IEEE về Thị giác máy tính và Nhận dạng mẫu (CVPR) (tháng 6 năm 2018)  Ayush, K., Jandial, S., Chopra, A., Krishnamurthy, B.: Hỗ trợ quá trình thử ảo thông qua học tập phân khúc con người phụ trợ. Trong: Hội thảo Hội nghị Quốc tế về Thị giác Máy tính (ICCV) của IEEE (Tháng 10 năm 2019)  Belongie, S., Malik, J., Puzicha, J.: Khớp hình dạng và nhận dạng đối tượng bằng cách sử dụng ngữ cảnh hình dạng. PAMI (2002)  Bogo, F., Kanazawa, A., Lassner, C., Gehler, P., Romero, J., Black, MJ: Keep it SMPL: Tự động ước tính tư thế và hình dạng con người 3D từ một hình ảnh duy nhất. Trong: ECCV (2016)  Brock, A., Donahue, J., Simonyan, K.: Đào tạo gan quy mô lớn để tổng hợp hình ảnh tự nhiên có độ trung thực cao. bản in trước arXiv arXiv:1809.11096 (2018)  Chen, LC, Zhu, Y., Papandreou, G., Schroff, F., Adam, H.: Bộ mã hóa-giải mã với tích chập có thể phân tách được để phân đoạn hình ảnh theo ngữ nghĩa. Trong: ECCV (2018)  Chen, M., Qin, Y., Qi, L., Sun, Y.: Cải thiện khả năng phát hiện mốc thời trang bằng cách nâng cao tính năng chú ý kép. Trong: Hội thảo ICCV (2019)  Chen, W., Wang, H., Li, Y., Su, H., Wang, Z., Tu, C., Lischinski, D., Cohen-Or, D., Chen, B.: Tổng hợp hình ảnh đào tạo để tăng cường ước tính tư thế 3d của con người (2015)  Chong, MJ, Forsyth, D.: Điểm khởi đầu và fid không thiên vị một cách hiệu quả và tìm chúng ở đâu. bản in trước arXiv arXiv:1911.07023 (2019)  Danerek, R., Dibra, E., Oztireli, AC, Ziegler, R., Gross, MH: Deepgarment : Ước tính hình dạng quần áo 3d từ một hình ảnh duy nhất. Máy tính. Đồ thị. Diễn Đàn (2017)  Dong, H., Liang, X., Gong, K., Lai, H., Zhu, J., Yin, J.: Warping-gan có cổng mềm để tổng hợp hình ảnh người được hướng dẫn về tư thế. Trong: NeurIPS (2018)  Dong, H., Liang, X., Wang, B., Lai, H., Zhu, J., Yin, J.: Hướng tới mạng thử nghiệm ảo được hướng dẫn đa tư thế. Trong: ICCV (2019)  Grigor'ev, AK, Sevastopolsky, A., Vakhitov, A., Lempitsky, VS: Vẽ họa tiết dựa trên phối hợp để tạo ra hình ảnh con người theo hướng dẫn về tư thế. CVPR (2019)  Guan, P., Reiss, L., Hirshberg, D., Weiss, A., Black, M.: Drape: Mặc quần áo cho bất kỳ người nào. Giao dịch ACM trên đồ họa - TOG (2012)  Han, X., Hu, X., Huang, W., Scott, MR: Fabricflow: Một mô hình dựa trên dòng chảy dành cho thế hệ người mặc quần áo. Trong: ICCV (2019)  Han, X., Wu, Z., Huang, W., Scott, MR, Davis, LS: Bức tranh hình ảnh thời trang tương thích và đa dạng (2019)  Han, X., Wu, Z., Wu, Z., Yu, R., Davis, LS: Viton: Mạng thử nghiệm ảo dựa trên hình ảnh. Trong: CVPR (2018)  Heusel, M., Ramsauer, H., Unterthiner, T., Nessler, B., Hochreiter, S.: Gans được huấn luyện theo quy tắc cập nhật theo quy mô hai thời gian hội tụ đến trạng thái cân bằng nash cục bộ. Trong: Những tiến bộ trong hệ thống xử lý thông tin thần kinh. trang 6626–6637 (2017)  Hsiao, WL, Grauman, K.: Trang phục phù hợp với nhiều hình dáng cơ thể. ArXiv (2019)  Hsiao, WL, Katsman, I., Wu, CY, Parikh, D., Grauman, K.: Fashion++: Chỉnh sửa tối thiểu để cải thiện trang phục. Trong: Trong Kỷ yếu của Hội nghị Quốc tế IEEE về Thị giác Máy tính (ICCV) (2019)  Hsieh, CW, Chen, CY, Chou, CL, Shuai, HH, Liu, J., Cheng, WH: Fashionon: Thử nghiệm ảo dựa trên hình ảnh dựa trên ngữ nghĩa với thông tin chi tiết về con người và quần áo. Trong: MM '19 (2019)  HyugJae, Lee, R., Kang, M., Cho, M., Park, G.: La-viton: Một mạng lưới thử sức ảo hấp dẫn. Trong: Hội thảo ICCV (2019)  Jaderberg, M., Simonyan, K., Zisserman, A., kavukcuoglu, k.: Mạng biến áp không gian. Trong: NeurIPS (2015)  Jandial, S., Chopra, A., Ayush, K., Hemani, M., Kumar, A., Krishnamurthy, B.: Sievenet: Một khuôn khổ hợp nhất để thử nghiệm ảo dựa trên hình ảnh mạnh mẽ. Trong: WACV (2020)  Jeong, MH, Han, DH, Ko, HS: Ảnh chụp quần áo từ một bức ảnh. Tạp chí Trực quan hóa và Hoạt hình Máy tính (2015)  Ji, D., Kwon, J., McFarland, M., Savarese, S.: Biến hình góc nhìn sâu. Trong: CVPR (2017)  Kanazawa, A., Black, MJ, Jacobs, DW, Malik, J.: Phục hồi toàn diện hình dạng và tư thế con người. CVPR (2018)  Kanazawa, A., Jacobs, D., Chandraker, M.: Warpnet: Kết hợp được giám sát yếu để tái thiết một chế độ xem. Trong: CVPR (2016)  Karras, T., Laine, S., Aila, T.: Kiến trúc trình tạo dựa trên phong cách cho các mạng đối thủ tổng quát. Trong: Kỷ yếu của Hội nghị IEEE về Tầm nhìn Máy tính và Nhận dạng Mẫu. trang 4401–4410 (2019)  Lin, CH, Yumer, E., Wang, O., Shechtman, E., Lucey, S.: St-gan: Mạng đối nghịch tạo biến áp không gian để tổng hợp hình ảnh. Trong: CVPR (2018)  Liu, G., Reda, FA, Shih, KJ, Wang, TC, Tao, A., Catanzaro, B.: Vẽ hình ảnh cho các lỗ không đều bằng cách sử dụng các kết cấu từng phần. Trong: ECCV (2018)  Liu, KH, Chen, TY, Chen, CS: Mvc: Tập dữ liệu để truy xuất quần áo bất biến về chế độ xem và dự đoán thuộc tính. Trong: ICMR (2016)  Liu, Z., Luo, P., Qiu, S., Wang, X., Tang, X.: Deepfashion: Cung cấp khả năng nhận dạng và truy xuất quần áo mạnh mẽ với các chú thích phong phú. Trong: CVPR (2016)  McKinsey: Hiện trạng ngành thời trang 2019 (2019)  Tsume, R., Saito, S., Huang, Z., Chen, W., Ma, C., Li, H., Morishima, S.: Siclope: Vật liệu bổ sung cho người mặc quần áo dựa trên hình bóng. Trong: CVPR (2019)  Neverova, N., Gler, RA, Kokkinos, I.: Chuyển tư thế dày đặc. Trong: ECCV (2018)  Raffiee, AH, Sollami, M.: Garmentgan: Chuyển giao thời trang đối nghịch bằng hình ảnh thực tế (2020)  Raj, A., Sangkloy, P., Chang, H., Hays, J., Ceylan, D., Lu, J.: Swapnet: Chuyển giao hàng may mặc dựa trên hình ảnh. Trong: ECCV (2018)  Rocco, I., Aranjelovi'c, R., Sivic, J.: Kiến trúc mạng nơ-ron tích chập để khớp hình học. Trong: CVPR (2017)  Saito, S., Huang, Z., Natsme, R., Morishima, S., Kanazawa, A., Li, H.: Pifu: Chức năng ẩn được sắp xếp theo pixel để số hóa con người mặc quần áo có độ phân giải cao. ICCV (2019)  Schroff, F., Kalenichenko, D., Philbin, J.: Facenet: Một phương pháp nhúng thống nhất để nhận dạng và phân cụm khuôn mặt. Trong: CVPR (2015)  Song, D., Li, T., Mao, Z., Liu, A.: Sp-viton: mạng thử nghiệm ảo dựa trên hình ảnh bảo toàn hình dạng. Công cụ và ứng dụng đa phương tiện (2019)  Suzuki, S., Abe, K.: Phân tích cấu trúc tô pô của ảnh nhị phân được số hóa theo đường viền sau. Thị giác máy tính, đồ họa và xử lý hình ảnh (1985)  Vaccaro, K., Agarwalla, T., Shivakumar, S., Kumar, R.: Thiết kế tương lai của thời trang cá nhân. Trong: Kỷ yếu Hội nghị CHI 2018 về Yếu tố Con người trong Hệ thống Máy tính (2018)  Wang, B., Zheng, H., Liang, X., Chen, Y., Lin, L.: Hướng tới mạng thử nghiệm ảo dựa trên hình ảnh bảo toàn đặc tính. Trong: Kỷ yếu của Hội nghị Châu Âu về Thị giác Máy tính (ECCV) (2018)  Wang, J., Zhang, W., Liu, WH, Mei, T.: Đến chi tiết cuối cùng: Thử ảo với chạm khắc chi tiết. ArXiv (2019)  Wu, Z., Lin, G., Tao, Q., Cai, J.: M2e-try on net: Thời trang từ người mẫu đến mọi người. Trong: MM '19 (2018)  Yang, C., Lu, X., Lin, Z., Shechtman, E., Wang, O., Li, H.: Vẽ hình ảnh có độ phân giải cao bằng cách sử dụng tổng hợp bản vá thần kinh đa quy mô. Trong: CVPR (2017)  Yu, J., Lin, Z., Yang, J., Shen, X., Lu, X., Huang, TS: Vẽ hình ảnh dạng tự do với tích chập cổng. Trong: ICCV (2019)  Yu, J., Lin, ZL, Yang, J., Shen, X., Lu, X., Huang, TS: Hình ảnh mang tính sáng tạo trong việc vẽ tranh có chú ý đến ngữ cảnh. Trong: CVPR (2018)  Yu, L., Zhong, Y., Wang, X.: Mạng thử ảo dựa trên nội dung sơn để chuyển giao hàng may mặc có chọn lọc. Truy cập IEEE (2019)  Yu, L., Zhong, Y., Wang, X.: Mạng thử ảo dựa trên nội dung sơn để chuyển giao hàng may mặc có chọn lọc. Truy cập IEEE (2019)  Yu, R., Wang, X., Xie, X.: Vtnfp: Mạng thử ảo dựa trên hình ảnh với khả năng bảo toàn tính năng của cơ thể và quần áo  Zhang, H., Goodfellow, I., Metaxas, D., Odena, A.: Mạng lưới đối nghịch tạo ra sự chú ý. bản in trước arXiv arXiv:1805.08318 (2018)  Zheng, N., Song, X., Chen, Z., Hu, L., Cao, D., Nie, L.: Hầu như đang thử quần áo mới với các tư thế tùy ý. Trong: MM '19 (2019)  Zheng, S., Yang, F., Kiapour, MH, Piramuthu, R.: Modanet: Tập dữ liệu thời trang đường phố quy mô lớn với các chú thích đa giác. Trong: Đa phương tiện ACM (2018)  Zhu, S., Fidler, S., Urtasun, R., Lin, D., Chen, CL: Hãy là prada của riêng bạn: Tổng hợp thời trang với sự gắn kết về cấu trúc. Trong: CVPR (2017)  Bài viết này   theo giấy phép CC BY-NC-SA 4.0 DEED. có sẵn trên arxiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

PolyFrame publishes academic papers about computational framework manipulation of reciprocal polyhedrons.

Polyframe 's blog

Nghe bài viết này bằng Tiếng Anh, đọc bởi robot thông minh của HackerNoon

dài quá đọc không nổi

Boost your HackerNoon story @ $159.99! 🚀

Hướng tới việc thử ảo chính xác, thực tế thông qua việc khớp hình dạng: Kết luận và tài liệu tham khảo

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

184 Stories To Learn About Psychology

240 Stories To Learn About Astounding Stories

178 Stories To Learn About Essay

184 Stories To Learn About Psychology

240 Stories To Learn About Astounding Stories

178 Stories To Learn About Essay

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps