使用图像深度估计改进虚拟服装尝试
Haniyeh Mobinizadeh1, Amir Lakizadeh2
1Computer Engineering Department, University of Qom, Qom, Iran.
Scientific reports
|September 1, 2025
概括
这项研究引入了使用深度图和注意力机制来改善服装对齐和现实性的增强虚拟试穿框架. 这种新模式有效地解决了屏蔽问题,为虚拟试用应用提供了卓越的视觉质量.
科学领域:
- 计算机视觉
- 计算机图形
- 人工智能
背景情况:
- 基于图像的虚拟试着合成服装和人的图像以实现现实的可视化.
- 传统的方法由于分开的处理阶段,特别是在遮蔽和复杂的姿势下,会出现错位和缺陷.
- 现有的局限性降低了虚拟试用输出的现实性和质量.
研究的目的:
- 开发一个增强的虚拟试用框架,克服传统方法的局限性.
- 为了改善服装对齐,减少视觉工件,并增强产生的试穿图像的真实性.
- 在虚拟尝试中应对隐蔽和复杂的人类姿势所带来的挑战.
主要方法:
- 整合深度地图以提高空间意识和精确的服装对齐.
- 一个精致的服装掩饰模块,以提高细分一致性和精确的服装表示.
- 在特征提取中整合多头注意力机制,以保持服装纹理和细节.
主要成果:
- 拟议的框架在高分辨率数据集上显著提高了视觉质量.
- 有效地减轻对齐和阻塞的挑战,从而获得更现实的虚拟试用结果.
- 在提供视觉吸引力和准确的虚拟试用图像方面表现优于基线方法.
结论:
- 增强的虚拟试穿框架成功解决了服装对齐和遮盖方面的关键挑战.
- 深度地图和注意力机制的整合使虚拟试用应用程序具有更高的现实性和质量.
- 拟议的模型为现实的虚拟试用体验提供了重大进展.
