論文の概要: Toward Accurate and Realistic Outfits Visualization with Attention to Details

• arxiv url: http://arxiv.org/abs/2106.06593v1
• Date: Fri, 11 Jun 2021 19:53:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 16:17:24.760791
• Title: Toward Accurate and Realistic Outfits Visualization with Attention to Details
• Title（参考訳）: ディテールに着目した正確でリアルな衣装の可視化に向けて
• Authors: Kedan Li, Min jin Chong, Jeffrey Zhang, Jingen Liu
• Abstract要約: 商用アプリケーションに必要な重要な視覚的詳細を捉えるために,アウトフィット・ビジュアライゼーション・ネットを提案する。 OVNetは,1)意味的レイアウト生成器と2)複数の協調ワープを用いた画像生成パイプラインから構成される。 この手法を利用した対話型インターフェースは,ファッションeコマースのウェブサイトに展開され,圧倒的に肯定的なフィードバックを受けている。
• 参考スコア（独自算出の注目度）: 10.655149697873716
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Virtual try-on methods aim to generate images of fashion models wearing arbitrary combinations of garments. This is a challenging task because the generated image must appear realistic and accurately display the interaction between garments. Prior works produce images that are filled with artifacts and fail to capture important visual details necessary for commercial applications. We propose Outfit Visualization Net (OVNet) to capture these important details (e.g. buttons, shading, textures, realistic hemlines, and interactions between garments) and produce high quality multiple-garment virtual try-on images. OVNet consists of 1) a semantic layout generator and 2) an image generation pipeline using multiple coordinated warps. We train the warper to output multiple warps using a cascade loss, which refines each successive warp to focus on poorly generated regions of a previous warp and yields consistent improvements in detail. In addition, we introduce a method for matching outfits with the most suitable model and produce significant improvements for both our and other previous try-on methods. Through quantitative and qualitative analysis, we demonstrate our method generates substantially higher-quality studio images compared to prior works for multi-garment outfits. An interactive interface powered by this method has been deployed on fashion e-commerce websites and received overwhelmingly positive feedback.
• Abstract（参考訳）: 仮想試着法は,任意の組み合わせの衣服を身に着けたファッションモデルの画像を生成することを目的としている。 これは、生成した画像が現実的かつ正確に衣服間の相互作用を表示する必要があるため、難しい作業である。 以前の作品は、アーティファクトで満たされたイメージを生成し、商用アプリケーションに必要な重要な視覚的詳細をキャプチャできない。 我々はこれらの重要な詳細(例えば、OVNet)を捉えるためにOutfit Visualization Net(OVNet)を提案する。 ボタン、シェーディング、テクスチャ、リアルなヘムライン、衣服間のインタラクション)、高品質なマルチガーメントバーチャル試着画像を生成する。 OVNetは,1)意味的レイアウト生成器と2)複数の協調ワープを用いた画像生成パイプラインから構成される。 我々は、複数のワープをカスケード損失を用いて出力するように訓練し、各ワープを精錬し、前のワープの貧弱な領域に集中させ、一貫性のある改善をもたらす。 さらに,最も適したモデルと衣装をマッチングする方法を導入し,これまでの試着法と他の試着法の両方に対して大幅な改善を行う。 定量的・定性的な分析により,多食衣装の先行作品と比較して,より高品質なスタジオイメージを生成できることを実証した。 この方法で動くインタラクティブインターフェースは、ファッションeコマースウェブサイトにデプロイされ、圧倒的にポジティブなフィードバックを受けています。

関連論文リスト

• Improving Virtual Try-On with Garment-focused Diffusion Models [91.95830983115474]
  拡散モデルは多くの画像合成タスクにおける生成的モデリングの革新をもたらした。 私たちは新しい拡散モデル、すなわちGarDiffを作り、衣服中心の拡散プロセスを引き起こします。 VITON-HDおよびDressCodeデータセットの実験は、最先端のVTONアプローチと比較して、GarDiffの優位性を示している。
  論文  参考訳（メタデータ） (2024-09-12T17:55:11Z)
• IMAGDressing-v1: Customizable Virtual Dressing [58.44155202253754]
  IMAGDressing-v1は、固定された衣服とオプション条件で自由に編集可能な人間の画像を生成する仮想ドレッシングタスクである。 IMAGDressing-v1は、CLIPのセマンティック特徴とVAEのテクスチャ特徴をキャプチャする衣料UNetを組み込んでいる。 本稿では,凍結自己注意とトレーニング可能なクロスアテンションを含むハイブリッドアテンションモジュールを提案する。
  論文  参考訳（メタデータ） (2024-07-17T16:26:30Z)
• GraVITON: Graph based garment warping with attention guided inversion for Virtual-tryon [5.790630195329777]
  衣服のフローにおけるコンテキストの価値を強調する新しいグラフベースのワープ手法を提案する。 提案手法は,VITON-HDとDresscodeのデータセットで検証され,衣服のワープ,テクスチャ保存,および全体リアリズムの大幅な改善を示す。
  論文  参考訳（メタデータ） (2024-06-04T10:29:18Z)
• Improving Diffusion Models for Authentic Virtual Try-on in the Wild [53.96244595495942]
  本稿では,キュレートされた衣服を身に着けている人のイメージをレンダリングする,イメージベースの仮想試行について考察する。 衣服の忠実度を改善し,仮想試行画像を生成する新しい拡散モデルを提案する。 本稿では,一対の人着画像を用いたカスタマイズ手法を提案する。
  論文  参考訳（メタデータ） (2024-03-08T08:12:18Z)
• StableVITON: Learning Semantic Correspondence with Latent Diffusion Model for Virtual Try-On [35.227896906556026]
  衣服画像と人物画像が与えられた場合、画像ベースの仮想試行は、衣服画像の特徴を自然に正確に反映した、カスタマイズされた画像を生成することを目的としている。 本研究では,事前学習した拡散モデルの適用性を拡張し,仮想試行作業に独立して利用できるようにすることを目的とする。 提案するゼロ・クロスアテンションブロックは, 意味的対応を学習することで衣服の細部を保存できるだけでなく, ワープ過程における事前学習モデル固有の知識を利用して高忠実度画像を生成する。
  論文  参考訳（メタデータ） (2023-12-04T08:27:59Z)
• Single Stage Warped Cloth Learning and Semantic-Contextual Attention Feature Fusion for Virtual TryOn [5.790630195329777]
  画像ベースの仮想試着は、ホップの衣服を着ている人の画像に合わせることを目的としている。 対象の衣服を人物画像の対応する身体部分と整列させるガーメント・ワープは、この目標を達成するための重要なステップである。 明示的な多段階学習なしに暗黙的に同じことを学習する新しいシングルステージフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-08T06:05:01Z)
• Single Stage Virtual Try-on via Deformable Attention Flows [51.70606454288168]
  仮想試行は、ショップ内服と基準人物画像が与えられた写真リアルなフィッティング結果を生成することを目的としている。 マルチフロー推定に変形性アテンションスキームを適用した,変形性アテンションフロー(DAFlow)を新たに開発した。 提案手法は,定性的かつ定量的に最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-07-19T10:01:31Z)
• Arbitrary Virtual Try-On Network: Characteristics Preservation and Trade-off between Body and Clothing [85.74977256940855]
  本報告では,オールタイプの衣料品を対象としたArbitrary Virtual Try-On Network (AVTON)を提案する。 AVTONは、ターゲット服と参照者の特性を保存・交換することで、現実的な試行画像を合成することができる。 提案手法は,最先端の仮想試行法と比較して性能が向上する。
  論文  参考訳（メタデータ） (2021-11-24T08:59:56Z)
• Cloth Interactive Transformer for Virtual Try-On [106.21605249649957]
  本稿では,仮想試行作業のための2段階のインタラクティブトランス (CIT) 手法を提案する。 第1段階では, CITマッチングブロックを設計し, 着物非依存者情報と着物内布情報との長距離相関関係を正確に把握することを目的とした。 第2段階では,人物表現のグローバルな相互相互依存関係を確立するためのCIT推論ブロック,整形衣料品,およびそれに対応する整形布マスクを作成した。
  論文  参考訳（メタデータ） (2021-04-12T14:45:32Z)
• Toward Accurate and Realistic Virtual Try-on Through Shape Matching and Multiple Warps [25.157142707318304]
  仮想試行法は、製品画像とモデルの画像とを取り、製品を身に着けているモデルの画像を生成する。 ほとんどの手法は基本的に製品画像からモデル画像へのワープを計算し、画像生成法を用いて組み合わせる。 本稿では, (a)任意のワーピング手法に対して, (b) 目標モデルを自動選択して結果を改善すること, (b) 複数のコーディネートされた特別なウォレットを学習することで, 結果をさらに改善できることを実証するために, 困難で斬新なデータセットの定量的評価を用いる。
  論文  参考訳（メタデータ） (2020-03-22T03:59:06Z)
• SieveNet: A Unified Framework for Robust Image-Based Virtual Try-On [14.198545992098309]
  SieveNetは、堅牢なイメージベースの仮想トライオンのためのフレームワークである。 細粒度精度をモデル化する多段粗いワープネットワークを提案する。 また,テクスチャ伝達ネットワークを改善するために,試着型布条件セグメンテーションマスクを導入する。
  論文  参考訳（メタデータ） (2020-01-17T12:33:54Z)

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。