論文の概要: BC-GAN: A Generative Adversarial Network for Synthesizing a Batch of Collocated Clothing
- arxiv url: http://arxiv.org/abs/2502.01080v1
- Date: Mon, 03 Feb 2025 05:41:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-05 14:56:49.373576
- Title: BC-GAN: A Generative Adversarial Network for Synthesizing a Batch of Collocated Clothing
- Title(参考訳): BC-GAN: 協調衣料のバッチを合成するためのジェネレーティブ・アドバイサル・ネットワーク
- Authors: Dongliang Zhou, Haijun Zhang, Jianghong Ma, Jianyang Shi,
- Abstract要約: ジェネレーティブネットワークを用いたコラボレーション型衣料合成は、ファッション業界における収益を上げるための経済的価値を著しく高めている。
我々はBC-GANと呼ばれる新しいバッチ衣料品生成フレームワークを導入し、複数の視覚的に配置された衣料品画像を同時に合成することができる。
われわれのモデルは、自分自身で構築した互換性のある装束を備えた大規模データセットで検証された。
- 参考スコア(独自算出の注目度): 17.91576511810969
- License:
- Abstract: Collocated clothing synthesis using generative networks has become an emerging topic in the field of fashion intelligence, as it has significant potential economic value to increase revenue in the fashion industry. In previous studies, several works have attempted to synthesize visually-collocated clothing based on a given clothing item using generative adversarial networks (GANs) with promising results. These works, however, can only accomplish the synthesis of one collocated clothing item each time. Nevertheless, users may require different clothing items to meet their multiple choices due to their personal tastes and different dressing scenarios. To address this limitation, we introduce a novel batch clothing generation framework, named BC-GAN, which is able to synthesize multiple visually-collocated clothing images simultaneously. In particular, to further improve the fashion compatibility of synthetic results, BC-GAN proposes a new fashion compatibility discriminator in a contrastive learning perspective by fully exploiting the collocation relationship among all clothing items. Our model was examined in a large-scale dataset with compatible outfits constructed by ourselves. Extensive experiment results confirmed the effectiveness of our proposed BC-GAN in comparison to state-of-the-art methods in terms of diversity, visual authenticity, and fashion compatibility.
- Abstract(参考訳): ファッションインテリジェンス分野において, 生産ネットワークを用いたコラボレーション型衣料合成が新たな話題となっている。
これまでの研究では,GAN(Generative Adversarial Network)を用いて,所定の衣服アイテムに基づいて,視覚的に配置された衣服を合成しようと試みてきた。
しかし、これらの作品は、毎回1つのコロケーションされた衣服の合成しか達成できない。
それでもユーザは、個人の好みや着替えのシナリオが異なるため、複数の選択肢を満たすために、さまざまな衣料品を必要とするかもしれない。
この制限に対処するために,BC-GANと呼ばれる新しいバッチ衣料品生成フレームワークを導入し,複数の視覚的に配置された衣料品画像を同時に合成する。
特に、BC-GANは、合成結果のファッション互換性をさらに向上させるために、すべての衣料品間のコロケーション関係を完全に活用して、対照的な学習の観点から、新しいファッション互換性判別器を提案する。
われわれのモデルは、自分自身で構築した互換性のある装束を備えた大規模データセットで検証された。
その結果,BC-GANの多様性,視覚的正当性,ファッションの整合性の両面での最先端手法と比較し,BC-GANの有効性を確認した。
関連論文リスト
- Learning to Synthesize Compatible Fashion Items Using Semantic Alignment and Collocation Classification: An Outfit Generation Framework [59.09707044733695]
衣料品全体を合成することを目的とした,新しい衣料品生成フレームワークであるOutfitGANを提案する。
OutfitGANにはセマンティックアライメントモジュールがあり、既存のファッションアイテムと合成アイテムのマッピング対応を特徴付ける。
提案モデルの性能を評価するため,20,000のファッション衣装からなる大規模データセットを構築した。
論文 参考訳(メタデータ) (2025-02-05T12:13:53Z) - Towards Intelligent Design: A Self-driven Framework for Collocated Clothing Synthesis Leveraging Fashion Styles and Textures [17.35328594773488]
衣料品合成(CCS)はファッション技術において重要な話題となっている。
これまでの調査では、上着と下着のペアのようなペアの衣装を使って、この課題を達成するための生成モデルを訓練していた。
そこで我々は,組立衣料を必要とせず,組立衣料を合成する,スタイル・テクスチャ誘導型生成ネットワーク(ST-Net)を新たに導入した。
論文 参考訳(メタデータ) (2025-01-23T05:46:08Z) - Multi-Garment Customized Model Generation [3.1679243514285194]
マルチゲージカスタマイズモデル生成は、潜在拡散モデル(LDM)に基づく統合フレームワークである
本フレームワークは,脱結合型マルチガーメント機能融合による複数衣服の条件生成を支援する。
提案する衣料エンコーダは,他の拡張モジュールと組み合わせることができるプラグアンドプレイモジュールである。
論文 参考訳(メタデータ) (2024-08-09T17:57:33Z) - Clothes-Invariant Feature Learning by Causal Intervention for
Clothes-Changing Person Re-identification [118.23912884472794]
衣服変化者再識別(CC-ReID)における衣服不変の特徴抽出の重要性
衣服と身元には強い相関関係があることを論じ, 衣服に関係のない特徴を抽出するために, 共通可能性に基づくReID法P(Y|X) を制限している。
衣服不変の特徴学習を実現するために,新しい因果的衣服不変学習法(CCIL)を提案する。
論文 参考訳(メタデータ) (2023-05-10T13:48:24Z) - Transformer-based Graph Neural Networks for Outfit Generation [22.86041284499166]
TGNNは、畳み込みグラフニューラルネットワークにおけるメッセージパッシングステップとして、多面的な自己注意を利用して、グラフ内の衣服アイテム間の関係をキャプチャする。
畳み込みグラフニューラルネットワークにおけるメッセージパッシングステップとして,多面的な自己注意を利用して,グラフ内の衣服アイテム間の関係をキャプチャするトランスフォーマーアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-04-17T09:18:45Z) - 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) - SMPLicit: Topology-aware Generative Model for Clothed People [65.84665248796615]
SMPLicitは、身体のポーズ、形状、衣服の形状を共同で表現する新しい生成モデルである。
実験では,3dスキャンの装着や,服装者の画像の3d再構成にsmplicitが容易に利用できることを示す。
論文 参考訳(メタデータ) (2021-03-11T18:57:03Z) - 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) - Fashion Recommendation and Compatibility Prediction Using Relational
Network [18.13692056232815]
我々は、新しい互換性学習モデルを開発するための関係ネットワーク(RN)を開発する。
FashionRNは、任意の数のアイテムを任意の順序で、服全体の互換性を学習する。
我々はPolyvoreのウェブサイトから収集した49,740の服の大規模なデータセットを用いてモデルを評価した。
論文 参考訳(メタデータ) (2020-05-13T21:00:54Z)
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。