論文の概要: Fashion-model pose recommendation and generation using Machine Learning
- arxiv url: http://arxiv.org/abs/2303.08660v1
- Date: Sun, 19 Feb 2023 09:12:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-19 11:39:11.573496
- Title: Fashion-model pose recommendation and generation using Machine Learning
- Title(参考訳): 機械学習を用いたファッションモデルポーズ推薦と生成
- Authors: Vijitha Kannumuru, Santhosh Kannan S P, Krithiga Shankar, Joy Larnyoh,
Rohith Mahadevan, Raja CSP Raman
- Abstract要約: 本研究は、ファッションスタッフに対して、入力画像に基づく一連の類似したイメージを提案することに集中する。
画像は異なる部分に分割され、類似した画像がユーザに提案される。
これは、入力画像の色ヒストグラムを計算し、データセット内のすべての画像に同じものを適用することで達成された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fashion-model pose is an important attribute in the fashion industry.
Creative directors, modeling production houses, and top photographers always
look for professional models able to pose. without the skill to correctly pose,
their chances of landing professional modeling employment are regrettably quite
little. There are occasions when models and photographers are unsure of the
best pose to strike while taking photographs. This research concentrates on
suggesting the fashion personnel a series of similar images based on the input
image. The image is segmented into different parts and similar images are
suggested for the user. This was achieved by calculating the color histogram of
the input image and applying the same for all the images in the dataset and
comparing the histograms. Synthetic images have become popular to avoid privacy
concerns and to overcome the high cost of photoshoots. Hence, this paper also
extends the work of generating synthetic images from the recommendation engine
using styleGAN to an extent.
- Abstract(参考訳): ファッションモデルのポーズはファッション業界において重要な属性である。
クリエイティブディレクター、プロダクションハウスのモデリング、そしてトップフォトグラファーは、常にポーズできるプロのモデルを探します。
正しいポーズのスキルがなければ、プロのモデリングの雇用に着地するチャンスは、残念なことにほとんどない。
モデルや写真家が写真撮影中にストライクする最善のポーズを確信していない場合もあります。
本研究は,入力画像に基づく類似画像の連続をファッション担当者に提案することに集中する。
画像は異なる部分に分割され、同様のイメージがユーザに提案される。
これは入力画像の色ヒストグラムを計算し、データセット内のすべての画像にそれを適用することで達成され、ヒストグラムを比較する。
合成画像はプライバシーの懸念を回避し、写真撮影のコストを克服するために人気を集めている。
そこで本研究では,スタイルGANを用いたレコメンデーションエンジンから合成画像を生成する作業をある程度拡張する。
関連論文リスト
- Learning a Category-level Object Pose Estimator without Pose Annotations [37.03715008347576]
ポーズアノテーションを使わずにカテゴリレベルの3Dオブジェクトのポーズ推定を学習することを提案する。
手動でアノテートされた画像を使用する代わりに、拡散モデルを利用して、制御されたポーズ差の下で一連の画像を生成する。
提案手法は,単一ショット設定からカテゴリレベルのオブジェクトポーズ推定を行う能力を有することを示す。
論文 参考訳(メタデータ) (2024-04-08T15:59:29Z) - Learning Subject-Aware Cropping by Outpainting Professional Photos [69.0772948657867]
本稿では,高品質な主観的作物を生産する要因を,プロのストックイメージから学習するための弱教師付きアプローチを提案する。
私たちの洞察は、ストックイメージのライブラリと、最新のトレーニング済みのテキスト-画像拡散モデルを組み合わせることです。
我々は、収穫された無作為のトレーニングペアの大規模なデータセットを自動的に生成して、収穫モデルをトレーニングすることができる。
論文 参考訳(メタデータ) (2023-12-19T11:57:54Z) - Street TryOn: Learning In-the-Wild Virtual Try-On from Unpaired Person Images [14.616371216662227]
仮想トライオンアプリケーションをサポートするためのStreetTryOnベンチマークを導入する。
また,一対のデータを必要とせず,一対の人物画像から直接仮想試行を学習する手法を提案する。
論文 参考訳(メタデータ) (2023-11-27T18:59:02Z) - MagiCapture: High-Resolution Multi-Concept Portrait Customization [34.131515004434846]
MagiCaptureは、高解像度のポートレート画像を生成するために、主題とスタイルの概念を統合するパーソナライズ方法である。
本稿では,この弱教師付き学習環境内での頑健な学習を支援する,補助的先行学習と組み合わせた注意再焦点損失について紹介する。
私たちのパイプラインには、非常に現実的なアウトプットの生成を保証するための、追加のプロセス後ステップも含まれています。
論文 参考訳(メタデータ) (2023-09-13T11:37:04Z) - Exposure Correction Model to Enhance Image Quality [70.7848787073901]
露光誤りと過度な露光誤りの両方を扱うために,エンドツーエンドの露光補正モデルを提案する。
我々のモデルは、補正された画像を生成するために、画像エンコーダ、連続残差ブロック、画像デコーダを含む。
提案モデルを用いて露出補正を行った結果,ポートレートマッチングの品質は著しく向上した。
論文 参考訳(メタデータ) (2022-04-22T11:38:52Z) - Weakly Supervised High-Fidelity Clothing Model Generation [67.32235668920192]
本稿では,このシナリオに対応するために,DGP (Deep Generative Projection) と呼ばれる安価でスケーラブルな弱教師付き手法を提案する。
衣服と身体の粗いアライメントをStyleGAN空間に投影することで、フォトリアリスティックな着用結果が得られることを示す。
論文 参考訳(メタデータ) (2021-12-14T07:15:15Z) - Hallucinating Pose-Compatible Scenes [55.064949607528405]
ポーズ条件付きシーン生成のための大規模生成対向ネットワークを提案する。
毎日の環境に1900万フレーム以上の人間がいる巨大なメタデータをキュレートします。
我々は、ポーズ互換シーンを人間の有無に関わらず幻覚化し、不整合シーンやポーズを可視化し、1つの生成された画像から別のシーンに人物を配置し、ポーズをアニメーションする様々な用途に、トレーニングされたモデルを活用する。
論文 参考訳(メタデータ) (2021-12-13T18:59:26Z) - CAMPARI: Camera-Aware Decomposed Generative Neural Radiance Fields [67.76151996543588]
画像だけでなく,カメラデータ分布を忠実に復元する3次元およびカメラ認識生成モデルについて検討した。
テスト時に、私たちのモデルは、カメラを明示的に制御し、シーンの形状と外観で画像を生成します。
論文 参考訳(メタデータ) (2021-03-31T17:59:24Z) - PhotoApp: Photorealistic Appearance Editing of Head Portraits [97.23638022484153]
本稿では,ポートレート画像におけるカメラ視点とシーン照明の高品質な直感的編集手法を提案する。
ほとんどの編集アプローチは、光やカメラステージといった設定でキャプチャされたトレーニングデータを使用した教師あり学習に依存している。
StyleGANの潜在空間で学習する監督問題を設計します。
これは、教師付き学習と生成的敵対的モデリングのベストを組み合わせる。
論文 参考訳(メタデータ) (2021-03-13T08:59:49Z) - Salienteye: Maximizing Engagement While Maintaining Artistic Style on
Instagram Using Deep Neural Networks [27.469454386934274]
我々は、画像Netデータセット上で訓練されたオブジェクト認識のモデルであるXceptionをエンゲージメント予測のタスクに適用するために、トランスファーラーニングを使用する。
また、スタイル類似度測定のタスクとして、ImageNetでトレーニングされたもう1つのオブジェクト認識モデルであるVGG19から生成されたグラム行列を使用する。
私たちのモデルは、個別のInstagramアカウントでトレーニングして、パーソナライズされたエンゲージメント予測とスタイルの類似性モデルを作成することができます。
論文 参考訳(メタデータ) (2020-06-13T01:58:02Z)
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。