論文の概要: Template-Free Try-on Image Synthesis via Semantic-guided Optimization

• arxiv url: http://arxiv.org/abs/2102.03503v1
• Date: Sat, 6 Feb 2021 04:12:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-09 15:43:39.256905
• Title: Template-Free Try-on Image Synthesis via Semantic-guided Optimization
• Title（参考訳）: 意味誘導最適化によるテンプレートフリートライオン画像合成
• Authors: Chien-Lung Chou, Chieh-Yun Chen, Chia-Wei Hsieh, Hong-Han Shuai, Jiaying Liu, and Wen-Huang Cheng
• Abstract要約: 本稿では,テンプレートフリーな試行画像合成(TF-TIS)ネットワークを提案する。 TF-TISは、まず、ユーザが指定したインショップ服に従ってターゲットポーズを合成する。 着物内衣料品画像,ユーザ画像,合成ポーズが与えられた後,対象の服に最適な着物で人間の試着画像を合成する新しいモデルを提案する。
• 参考スコア（独自算出の注目度）: 43.70836680055366
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The virtual try-on task is so attractive that it has drawn considerable attention in the field of computer vision. However, presenting the three-dimensional (3D) physical characteristic (e.g., pleat and shadow) based on a 2D image is very challenging. Although there have been several previous studies on 2D-based virtual try-on work, most 1) required user-specified target poses that are not user-friendly and may not be the best for the target clothing, and 2) failed to address some problematic cases, including facial details, clothing wrinkles and body occlusions. To address these two challenges, in this paper, we propose an innovative template-free try-on image synthesis (TF-TIS) network. The TF-TIS first synthesizes the target pose according to the user-specified in-shop clothing. Afterward, given an in-shop clothing image, a user image, and a synthesized pose, we propose a novel model for synthesizing a human try-on image with the target clothing in the best fitting pose. The qualitative and quantitative experiments both indicate that the proposed TF-TIS outperforms the state-of-the-art methods, especially for difficult cases.
• Abstract（参考訳）: 仮想試行作業は非常に魅力的であり、コンピュータビジョンの分野でかなりの注目を集めている。 しかし、2D画像に基づく3次元(3D)の物理的特性(例えば、プリーツや影)の提示は非常に困難である。 これまでに2Dベースの仮想試着作業についていくつかの研究が行われてきたが,1) ユーザフレンドリーではなく,目的の衣服に適さないユーザ特定ターゲットポーズが必要であり,2) 顔の細部や衣服のしわ,身体の閉塞など,いくつかの問題に対処できなかった。 本稿では,この2つの課題に対処するために,新しいテンプレートフリートライオン画像合成(TF-TIS)ネットワークを提案する。 TF-TISはまず、ユーザー指定の店内服に合わせてターゲットポーズを合成します。 その後、ショップ内での衣料品イメージ、ユーザーイメージ、合成ポーズを付与し、ヒトの試着イメージとターゲットの衣料品を最適なフィッティングポーズで合成する新しいモデルを提案します。 定性的かつ定量的な実験は, tf-tisが最先端の手法, 特に難しい場合よりも優れていることを示している。

関連論文リスト

• PoseEmbroider: Towards a 3D, Visual, Semantic-aware Human Pose Representation [38.958695275774616]
  検索方式で訓練された新しいトランスフォーマーモデルを導入し、上記のモダリティの組み合わせを任意の入力として利用できるようにする。 本稿では,(1)オプションのテキストキューによる画像からのSMPL回帰と(2)きめ細かな命令生成のタスクに対する,そのような埋め込みされたポーズ表現の可能性を示す。
  論文  参考訳（メタデータ） (2024-09-10T14:09:39Z)
• Design2Cloth: 3D Cloth Generation from 2D Masks [34.80461276448817]
  我々は2000以上の被験者スキャンから実世界のデータセットをトレーニングした高忠実度3D生成モデルであるDesign2Clothを提案する。 定性的かつ定量的な実験のシリーズでは、Design2Clothが現在の最先端の織物生成モデルよりも大きなマージンで優れていることを示す。
  論文  参考訳（メタデータ） (2024-04-03T12:32:13Z)
• Synthesizing Moving People with 3D Control [88.68284137105654]
  対象とする3次元運動系列の単一画像から人物をアニメーションする拡散モデルに基づくフレームワークを提案する。 まず,1つの画像が与えられた人の見えない部分を幻覚させる拡散モデルについて学習する。 第2に,3次元人間のポーズによって制御される拡散に基づくレンダリングパイプラインを開発する。
  論文  参考訳（メタデータ） (2024-01-19T18:59:11Z)
• Capturing and Animation of Body and Clothing from Monocular Video [105.87228128022804]
  メッシュベース体とニューラル放射場を組み合わせたハイブリッドモデルであるSCARFを提案する。 メッシュをレンダリングに統合することで、モノクロビデオから直接SCARFを最適化できます。 本研究は,SCARFが従来の方法よりも高品質な衣服であり,身体のポーズや体型の変化とともに衣服が変形し,異なる被験者のアバター間で衣服の移動が成功できることを実証する。
  論文  参考訳（メタデータ） (2022-10-04T19:34:05Z)
• Learning Realistic Human Reposing using Cyclic Self-Supervision with 3D Shape, Pose, and Appearance Consistency [55.94908688207493]
  画像品質のギャップを教師付き手法で埋める自己教師型フレームワークSPICEを提案する。 自己超越を可能にする重要な洞察は、様々な方法で人体に関する3D情報を活用することである。 SPICEはDeepFashionデータセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-10-11T17:48:50Z)
• The Power of Points for Modeling Humans in Clothing [60.00557674969284]
  現在、アーティストはリアルな衣服で自然に動く3Dアバターを作る必要がある。 3次元表現は様々なトポロジを高分解能で捉えることができ、データから学習できることを示す。 我々は、異なる衣服の形状を表現するために、新しい局所的な衣服幾何学的特徴を持つニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2021-09-02T17:58:45Z)
• Neural 3D Clothes Retargeting from a Single Image [91.5030622330039]
  本稿では,1枚のRGB画像で人物にフィットする3次元衣料テンプレートモデルの潜在的なポーズと変形を生成する方法を提案する。 この問題は、地上の真実データを取得することは不可能である、すなわち、異なる3D衣料品テンプレートモデルを全く同じポーズで身に着けている人々の画像として、基本的には不適切である。 そこで本研究では,3次元変形の物理的妥当性を検証するための半教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-29T20:50:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。