首页|基于纹理特征学习的高精度虚拟试穿智能算法

基于纹理特征学习的高精度虚拟试穿智能算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为更好地适应数字化时尚消费新趋势,针对虚拟试穿中人体姿态、遮挡、非试穿区串扰引起的重构纹理模糊、细节失真、相似度低等难题,提出一种高精度虚拟试穿C-CGAN智能模型.首先,利用服装蒙版定位和纹理约束,采用CGAN网络框架智能学习得到多姿态下的服装重构模型.然后,采用编解码网络融合重构服装与人体特征,并设计多种针对性的损失函数优化网络参数.最后,基于国际流行虚拟试穿模特样本库构建丰富的纹理数据集,在PyTorch环境下开发了服装虚拟试穿系统.对比测试结果表明:C-CGAN较CP-VTON生成图像质量指标,结构相反性提高约25％,弗雷歇距离降低约11％,峰值信噪比提高约78％,重构纹理自然细腻、图像清晰,场景适应性良好,可广泛用于个性化时尚定制、在线试穿等领域.
High-precision intelligent algorithm for virtual fitting based on texture feature learning

刘玉叶、王萍

展开 >

东华大学 信息科学与技术学院,上海 201620

条件生成对抗网络 编解码网络 定位重构 虚拟试穿 服装个性化定制

2023

10.13475/j.fzxb.20220403101

纺织学报
中国纺织工程学会

纺织学报

CSTPCDCSCD北大核心
影响因子：0.699
ISSN：0253-9721
年,卷(期)：2023.44(5)
  • 1
  • 7