論文の概要: Shape Controllable Virtual Try-on for Underwear Models

• arxiv url: http://arxiv.org/abs/2107.13156v1
• Date: Wed, 28 Jul 2021 04:01:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-29 22:36:58.116182
• Title: Shape Controllable Virtual Try-on for Underwear Models
• Title（参考訳）: 下着モデルのための形状制御可能な仮想トライオン
• Authors: Xin Gao (1), Zhenjiang Liu (1), Zunlei Feng (2), Chengji Shen (2), Kairi Ou (1), Haihong Tang (1) and Mingli Song (2) ((1) Alibaba Group, (2) Zhejiang University)
• Abstract要約: そこで我々は,下着モデル用の衣服を着る形状制御可能な仮想トライオンネットワーク(SC-VTON)を提案する。 SC-VTONは、モデルと衣服の情報を統合し、歪んだ衣服画像を生成する。 本手法は, 詳細なテクスチャで高分解能な結果が得られる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image virtual try-on task has abundant applications and has become a hot research topic recently. Existing 2D image-based virtual try-on methods aim to transfer a target clothing image onto a reference person, which has two main disadvantages: cannot control the size and length precisely; unable to accurately estimate the user's figure in the case of users wearing thick clothes, resulting in inaccurate dressing effect. In this paper, we put forward an akin task that aims to dress clothing for underwear models. %, which is also an urgent need in e-commerce scenarios. To solve the above drawbacks, we propose a Shape Controllable Virtual Try-On Network (SC-VTON), where a graph attention network integrates the information of model and clothing to generate the warped clothing image. In addition, the control points are incorporated into SC-VTON for the desired clothing shape. Furthermore, by adding a Splitting Network and a Synthesis Network, we can use clothing/model pair data to help optimize the deformation module and generalize the task to the typical virtual try-on task. Extensive experiments show that the proposed method can achieve accurate shape control. Meanwhile, compared with other methods, our method can generate high-resolution results with detailed textures.
• Abstract（参考訳）: image virtual try-onタスクには豊富なアプリケーションがあり、近年はホットな研究テーマとなっている。 既存の2D画像ベースの仮想試行方法は,被写体画像を参照者に転送することを目的としており,被写体の大きさと長さを正確に制御できないこと,被写体が太い場合の利用者の身長を正確に推定できないことの2つの欠点がある。 本稿では,下着モデル用の衣服を着ることを目的とした類似タスクを提案する。 また、Eコマースのシナリオでは緊急に必要とされている。 上記の欠点を解決するために,グラフアテンションネットワークがモデル情報と衣服情報を統合し,歪んだ衣服画像を生成する形状制御可能な仮想トライオンネットワーク(SC-VTON)を提案する。 また、所望の衣服形状のために制御ポイントをsc−vtonに組み込む。 さらに,分割ネットワークと合成ネットワークを追加することで,変形モジュールの最適化と一般的な仮想トライオンタスクへの一般化のために,衣料/モデルペアデータを利用することができる。 広範な実験により,提案手法が正確な形状制御が可能となった。 一方,本手法は他の手法と比較して,詳細なテクスチャで高分解能な結果が得られる。

関連論文リスト

• PocoLoco: A Point Cloud Diffusion Model of Human Shape in Loose Clothing [97.83361232792214]
  PocoLocoは、ゆるい服を着た3D人間のための、テンプレートのない、ポイントベースの、ポーズ条件付き生成モデルである。 本研究では,アバター服の変形をデノナイズ拡散フレームワーク内の条件付き点雲生成タスクとして定式化する。 ゆるい服装でさまざまなポーズをとる2人の被験者のデータセットを、合計75K点の雲で公開する。
  論文  参考訳（メタデータ） (2024-11-06T20:42:13Z)
• High-Fidelity Virtual Try-on with Large-Scale Unpaired Learning [36.7085107012134]
  VTON(Virtual try-on)は、ターゲットの衣服イメージを基準人物に転送する。 高忠実度試行のための大規模未経験学習を活用するための新しいフレームワークである textbfBoosted Virtual Try-on (BVTON) を提案する。
  論文  参考訳（メタデータ） (2024-11-03T15:00:26Z)
• 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)
• MV-VTON: Multi-View Virtual Try-On with Diffusion Models [91.71150387151042]
  画像ベースの仮想試着の目的は、与えられた衣服を自然に身に着けている対象者の画像を生成することである。 既存の方法は、前頭服を用いた正面試着のみに焦点をあてる方法である。 本稿では,服の複数ビューからドレッシング結果を再構築することを目的としたMulti-View Virtual Try-ON(MV-VTON)を紹介する。
  論文  参考訳（メタデータ） (2024-04-26T12:27:57Z)
• Better Fit: Accommodate Variations in Clothing Types for Virtual Try-on [25.550019373321653]
  画像ベースの仮想試着は、ターゲットとなる服を着替えたモデル画像に転送することを目的としている。 トレーニングマスクを動的に調整する適応型マスクトレーニングパラダイムを提案する。 未ペアの試行検証のために、総合的なクロストライオンベンチマークを構築した。
  論文  参考訳（メタデータ） (2024-03-13T12:07:14Z)
• A Two-stage Personalized Virtual Try-on Framework with Shape Control and Texture Guidance [7.302929117437442]
  本稿では,2段階(形状制御とテクスチャガイダンス)を用いて衣服属性を分離する,新しい仮想試行モデル(PE-VITON)を提案する。 提案モデルでは, 衣服の折り畳みの弱さ, 複雑な姿勢下での創出効果の低下, 衣服のぼやけた縁, 従来の試行法では不明瞭なテクスチャスタイルを効果的に解決することができる。
  論文  参考訳（メタデータ） (2023-12-24T13:32:55Z)
• 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)
• 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)
• Towards Scalable Unpaired Virtual Try-On via Patch-Routed Spatially-Adaptive GAN [66.3650689395967]
  本稿では,現実世界の仮想試行を支援するテクスチャ保存型終末ネットワークであるPAtch-routed SpaTially-Adaptive GAN (PASTA-GAN)を提案する。 PASTA-GANは、各衣服のスタイルと空間情報をアンタングルするために、革新的なパッチを外したアンタングルモジュールで構成されている。
  論文  参考訳（メタデータ） (2021-11-20T08:36:12Z)
• SPG-VTON: Semantic Prediction Guidance for Multi-pose Virtual Try-on [27.870740623131816]
  イメージベースの仮想試着は、多様な人間のポーズの下で、ターゲットのインショップ服を基準人物に適合させることが難しい。 エンドツーエンドのセマンティック予測誘導多目的仮想トライオンネットワーク(SPG-VTON)を提案する。 提案手法を,最大規模の多目的データセット(MPV)とDeepFashionデータセットで評価する。
  論文  参考訳（メタデータ） (2021-08-03T15:40:50Z)
• 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。