論文の概要: A Cost-Efficient Approach for Creating Virtual Fitting Room using
Generative Adversarial Networks (GANs)
- arxiv url: http://arxiv.org/abs/2402.00994v1
- Date: Thu, 1 Feb 2024 20:18:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-05 17:53:03.711313
- Title: A Cost-Efficient Approach for Creating Virtual Fitting Room using
Generative Adversarial Networks (GANs)
- Title（参考訳）: GAN(Generative Adversarial Networks)を用いた仮想フィットルーム構築のための費用効率の良いアプローチ
- Authors: Kirolos Attallah, Girgis Zaky, Nourhan Abdelrhim, Kyrillos Botros,
Amjad Dife, and Nermin Negied
- Abstract要約: 新型コロナウイルス(COVID-19)パンデミックの後、多くの売り手はオンラインショッピングに移行したか、そのフィッティングルームを閉鎖した。
この服が購入後に購入者に不適当であるという事実から、私たちは、新しいAI技術を使って、モバイルアプリケーションという形でオンラインプラットフォームや仮想フィッティングルーム(VFR)を作り、Webページを使ってデプロイしたモデルを、物理的に試すことなく、あらゆる種類の布のアイテムを試すことができるオンラインストアに埋め込む方法を考えました。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Customers all over the world want to see how the clothes fit them or not
before purchasing. Therefore, customers by nature prefer brick-and-mortar
clothes shopping so they can try on products before purchasing them. But after
the Pandemic of COVID19 many sellers either shifted to online shopping or
closed their fitting rooms which made the shopping process hesitant and
doubtful. The fact that the clothes may not be suitable for their buyers after
purchase led us to think about using new AI technologies to create an online
platform or a virtual fitting room (VFR) in the form of a mobile application
and a deployed model using a webpage that can be embedded later to any online
store where they can try on any number of cloth items without physically trying
them. Besides, it will save much searching time for their needs. Furthermore,
it will reduce the crowding and headache in the physical shops by applying the
same technology using a special type of mirror that will enable customers to
try on faster. On the other hand, from business owners' perspective, this
project will highly increase their online sales, besides, it will save the
quality of the products by avoiding physical trials issues. The main approach
used in this work is applying Generative Adversarial Networks (GANs) combined
with image processing techniques to generate one output image from two input
images which are the person image and the cloth image. This work achieved
results that outperformed the state-of-the-art approaches found in literature.
- Abstract（参考訳）: 世界中の顧客は、その服が購入前にどのように適合するかを知りたがっている。
そのため、本来はお客はレンガとモルタルの洋服の買い物を好み、購入前に商品を試すことができる。
しかし、新型コロナウイルス(covid-19)のパンデミックの後、多くの売り手はオンラインショッピングに移り住んだり、部屋を閉めたりした。
この服が購入後に購入者に不適当であるという事実は、新しいAI技術を使って、モバイルアプリケーションという形で、オンラインプラットフォームや仮想フィッティングルーム(VFR)を構築することや、Webページを使ってデプロイされたモデルを考えることにつながりました。
さらに、ニーズに対して多くの検索時間を節約できる。
さらに、客がより早く試せるような特殊な鏡を用いて同じ技術を適用することで、物理的な店舗の混雑や頭痛を軽減できる。
一方、事業主の視点では、このプロジェクトはオンライン販売を高度に増加させ、物理的な試行の問題を回避して製品の品質を低下させる。
本研究で使用される主なアプローチは、GAN(Generative Adversarial Networks)と画像処理技術を組み合わせて、人像と布像である2つの入力画像から1つの出力画像を生成することである。
この業績は文学における最先端のアプローチを上回った。
関連論文リスト
- Product Review Image Ranking for Fashion E-commerce [0.0]
当社のネットワークは、高品質の画像よりも品質の悪い画像をランク付けするようにトレーニングしています。
提案手法は,2つの指標,すなわち相関係数と精度のベースラインモデルに対して,かなりのマージンで性能を向上する。
論文 参考訳（メタデータ） (2023-08-10T07:09:13Z) - ClothFit: Cloth-Human-Attribute Guided Virtual Try-On Network Using 3D
Simulated Dataset [5.260305201345232]
そこで我々はClosFitと呼ばれる新しい仮想試行法を提案する。
被服の実際の大きさと人的属性に基づいて、被服の被服体上のドレーピング形状を予測することができる。
実験結果から,ClosFitはフォトリアリスティックな仮想試行実験において,既存の最先端手法を大幅に改善できることが示された。
論文 参考訳（メタデータ） (2023-06-24T08:57:36Z) - SnapFusion: Text-to-Image Diffusion Model on Mobile Devices within Two
Seconds [88.06788636008051]
テキストから画像への拡散モデルは、プロのアーティストや写真家の作品に匹敵する自然言語の記述から素晴らしい画像を作り出すことができる。
これらのモデルは大規模で、複雑なネットワークアーキテクチャと数十のデノベーションイテレーションを持ち、計算コストが高く、実行が遅い。
モバイル端末上でテキストから画像への拡散モデルの実行を2ドル以下でアンロックする汎用的なアプローチを提案する。
論文 参考訳（メタデータ） (2023-06-01T17:59:25Z) - Towards a Pipeline for Real-Time Visualization of Faces for VR-based
Telepresence and Live Broadcasting Utilizing Neural Rendering [58.720142291102135]
バーチャルリアリティー用のヘッドマウントディスプレイ(HMD)は、VRにおける現実的な対面会話にかなりの障害をもたらす。
本稿では,低コストなハードウェアに焦点をあて,単一のGPUを用いたコモディティゲームコンピュータで使用できるアプローチを提案する。
論文 参考訳（メタデータ） (2023-01-04T08:49:51Z) - 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) - Pragmatic Image Compression for Human-in-the-Loop Decision-Making [112.40598205054994]
ロスシー画像圧縮アルゴリズムは、画像の外観を保存し、送信に必要なビット数を最小化することを目的としている。
我々は,圧縮画像を用いたタスクの実行において,ループ内学習を通じて圧縮モデルを訓練する。
本手法は,手書き数字の読み出し,顔の写真の検証,オンラインショッピングカタログ閲覧,カーレースビデオゲームの4つのタスクにおいて,被験者による実験により評価を行った。
論文 参考訳（メタデータ） (2021-07-07T17:45:53Z) - 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) - Vision-based Price Suggestion for Online Second-hand Items [40.42940050851797]
オンラインセカンドアイテムショッピングプラットフォームのためのビジョンベースの価格提案システムを提示します。
ビジョンベースの価格提案の目的は、売り手がオンラインプラットフォームにアップロードされた画像で中古リストの効果的な価格を設定するのを助けることです。
論文 参考訳（メタデータ） (2020-12-10T22:56:29Z) - Unmasking Communication Partners: A Low-Cost AI Solution for Digitally
Removing Head-Mounted Displays in VR-Based Telepresence [62.997667081978825]
バーチャルリアリティ(VR)における対面会話は、被験者がヘッドマウントディスプレイ(HMD)を装着する際の課題である
過去の研究では、高コストハードウェアを用いた実験室環境では、VRで個人用アバターを用いた高忠実な顔再構成が可能であることが示されている。
我々は,オープンソース,フリーソフトウェア,安価なハードウェアのみを利用する,このタスクのための最初の低コストシステムを提案する。
論文 参考訳（メタデータ） (2020-11-06T23:17:12Z) - Neural Networks for Fashion Image Classification and Visual Search [1.8899300124593648]
電子商取引業界が直面している2つの潜在的課題について論じる。
1つは、販売者がプラットフォームに商品の写真をアップロードする際に直面する問題と、それに伴う手作業によるタグ付けに関するものだ。
もう一つの問題は、顧客が正しいキーワードを知らないが画像の視覚的な印象を持つ場合、注文を配置する際の潜在的なボトルネックに関するものである。
画像ベースの検索アルゴリズムは、ユーザーがオブジェクトの画像をクリックして類似商品をタイピングすることなく検索できるようにすることで、Eコマースの真の可能性を解き放つことができる。
論文 参考訳（メタデータ） (2020-05-17T05:25:41Z) - GarmentGAN: Photo-realistic Adversarial Fashion Transfer [0.0]
GarmentGANは、生成的敵対的な方法で画像ベースの衣服転送を行う。
このフレームワークでは、購入前に仮想的に試行して、さまざまなアパレルタイプに一般化することができる。
論文 参考訳（メタデータ） (2020-03-04T05:01:15Z)
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。