論文の概要: SiCo: A Size-Controllable Virtual Try-On Approach for Informed Decision-Making
- arxiv url: http://arxiv.org/abs/2408.02803v1
- Date: Mon, 5 Aug 2024 19:46:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-07 15:38:41.246231
- Title: SiCo: A Size-Controllable Virtual Try-On Approach for Informed Decision-Making
- Title(参考訳): SiCo:Informed Decision-Makingのためのサイズ調整可能な仮想トライオンアプローチ
- Authors: Sherry X. Chen, Alex Christopher Lim, Yimeng Liu, Pradeep Sen, Misha Sra,
- Abstract要約: VTO(Virtual try-on)アプリケーションは、ユーザが衣服をプレビューできるようにすることで、オンラインショッピング体験を改善することを目的としている。
多くのVTOツールは、衣服のサイズと利用者の身体サイズの間に重要な関係を考慮できない。
SiCoはオンラインのVTOシステムで、ユーザーは自分の画像をアップロードし、服のサイズがどう見えるかを視覚化できる。
- 参考スコア(独自算出の注目度): 12.418243635054536
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Virtual try-on (VTO) applications aim to improve the online shopping experience by allowing users to preview garments, before making purchase decisions. However, many VTO tools fail to consider the crucial relationship between a garment's size and the user's body size, often employing a one-size-fits-all approach when visualizing a clothing item. This results in poor size recommendations and purchase decisions leading to increased return rates. To address this limitation, we introduce SiCo, an online VTO system, where users can upload images of themselves and visualize how different sizes of clothing would look on their body to help make better-informed purchase decisions. Our user study shows SiCo's superiority over baseline VTO. The results indicate that our approach significantly enhances user ability to gauge the appearance of outfits on their bodies and boosts their confidence in selecting clothing sizes that match desired goals. Based on our evaluation, we believe our VTO design has the potential to reduce return rates and enhance the online clothes shopping experience. Our code is available at https://github.com/SherryXTChen/SiCo.
- Abstract(参考訳): VTO(Virtual try-on)アプリケーションは、購入決定を行う前に、ユーザが衣服をプレビューできるようにすることで、オンラインショッピング体験を改善することを目的としている。
しかしながら、多くのVTOツールは、衣服のサイズと使用者の体の大きさの重大な関係を考慮せず、衣類を視覚化する際には、一様のアプローチを採用することが多い。
その結果、低いサイズのレコメンデーションと購入決定が、リターン率の上昇につながります。
この制限に対処するため、オンラインのVTOシステムであるSiCoを導入し、ユーザーは自分の画像をアップロードし、さまざまなサイズの服が自分の体にどのように見えるかを視覚化して、よりインフォームドな購入決定を下すことができる。
ユーザスタディでは、ベースラインVTOよりもSiCoの方が優れています。
以上の結果から,本手法は,身体に着用する衣服の外観を計測するユーザ能力を著しく向上させ,目的に合致する衣服のサイズを選択することへの自信を高めることが示唆された。
評価の結果,VTOデザインはリターン率を低減し,オンライン衣料品ショッピング体験を向上する可能性が示唆された。
私たちのコードはhttps://github.com/SherryXTChen/SiCo.comで公開されています。
関連論文リスト
- 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) - 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) - ALiSNet: Accurate and Lightweight Human Segmentation Network for Fashion
E-Commerce [57.876602177247534]
スマートフォンは、ユーザーが自分の身体の画像をキャプチャする便利な手段を提供する。
我々は、PointRendでSemantic FPNを単純化することで、新しいセグメンテーションモデルを作成する。
我々は、このモデルを、私たちのアプリケーションに関連するポーズの制限されたセットで、高品質な人間のデータセットに微調整する。
論文 参考訳(メタデータ) (2023-04-15T11:06:32Z) - FitGAN: Fit- and Shape-Realistic Generative Adversarial Networks for
Fashion [5.478764356647437]
本稿では,衣料の絡み合ったサイズと適合特性を考慮に入れた生成的敵モデルFitGANを提案する。
本モデルでは, ファッション記事の真の適合性や形状を反映したリアルな画像を生成する。
論文 参考訳(メタデータ) (2022-06-23T15:10:28Z) - Shape Controllable Virtual Try-on for Underwear Models [0.0]
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。
論文 参考訳(メタデータ) (2021-07-28T04:01:01Z) - SizeFlags: Reducing Size and Fit Related Returns in Fashion E-Commerce [3.324876873771105]
SizeFlagsは、顧客からの弱い注釈付き大規模データに基づく確率ベイズモデルである。
提案手法が14か国にわたるオンラインファッションにおけるサイズ関連リターンを減少させる上での強い影響を実証する。
論文 参考訳(メタデータ) (2021-06-07T11:43:40Z) - Apparel-invariant Feature Learning for Apparel-changed Person
Re-identification [70.16040194572406]
ほとんどのパブリックなReIDデータセットは、人の外観がほとんど変化しない短時間のウィンドウで収集される。
ショッピングモールのような現実世界の応用では、同じ人の服装が変化し、異なる人が同様の服を着ることがある。
着替えなどの場合や、類似の服を着ている場合などにおいて、アパレル不変の人物表現を学ぶことは極めて重要である。
論文 参考訳(メタデータ) (2020-08-14T03:49:14Z) - SIZER: A Dataset and Model for Parsing 3D Clothing and Learning Size
Sensitive 3D Clothing [50.63492603374867]
SizerNetを導入し、人体形状と衣服サイズパラメータに基づいて3D衣服を予測する。
また、入力メッシュから1パスの個人的詳細を持つ衣服の下で、衣服のメッシュと形状を推測するためにNetを導入する。
論文 参考訳(メタデータ) (2020-07-22T18:13:24Z) - Shop The Look: Building a Large Scale Visual Shopping System at
Pinterest [16.132346347702075]
Shop The LookはPinterestのオンラインショッピング発見サービスで、ビジュアル検索を利用してユーザーが画像内で商品を見つけて購入することができる。
本稿では,オブジェクト検出と視覚埋め込みのコア技術,リアルタイム推論のためのインフラストラクチャの提供,トレーニング/評価データ収集と人的評価のためのデータラベリング手法などについて論じる。
システム設計選択のユーザによる影響は、オフライン評価、人間関係判断、オンラインA/B実験によって測定される。
論文 参考訳(メタデータ) (2020-06-18T21:38:07Z) - Learning Diverse Fashion Collocation by Neural Graph Filtering [78.9188246136867]
本稿では,グラフニューラルネットワークを用いて,フレキシブルなファッションアイテムセットをモデル化する新しいファッションコロケーションフレームワークであるNeural Graph Filteringを提案する。
エッジベクトルに対称演算を適用することにより、このフレームワークは様々な入力/出力を許容し、それらの順序に不変である。
提案手法を,Polyvoreデータセット,Polyvore-Dデータセット,Amazon Fashionデータセットの3つの一般的なベンチマークで評価した。
論文 参考訳(メタデータ) (2020-03-11T16:17:08Z)
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。