摘要
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.
NETL
NSTL
维普
万方数据