虚拟试衣是通过虚拟的技术手段,实现用户不用脱去身上衣服,完成变装的效果。最初,起源于换装游戏,随着互联网的普及和电子商务的兴起,消费者对在线购物体验的需求不断增加,虚拟试衣技术因此得到了快速发展。现如今,虚拟试衣技术多应用于:
电子商务:为用户提供在线试穿服务,提升购物体验,减少退货率。
服装设计:帮助设计师快速试验不同设计方案,降低样品制作成本。
游戏和娱乐:在游戏和虚拟现实中为角色定制服装,增强沉浸感。
尽管虚拟试衣技术已经取得了显著进展,但仍然面临一些挑战:
数据采集和处理:高质量的3D人体和服装数据获取难度大,且处理复杂。如何高效地采集和处理这些数据是一个亟待解决的问题。
实时性:实现流畅的实时试穿效果需要强大的计算能力。当前的计算资源限制了虚拟试衣技术的实时应用。
细节表现:高精度地模拟服装的材质、纹理和物理特性仍具有挑战性。特别是对于一些复杂面料的表现,现有技术仍有改进空间。
用户接受度:如何提升用户的使用意愿和信任度也是一个关键问题。
为了帮助研究人员更好地开展相关领域的工作,本文整理了一些虚拟试衣相关的开源数据集、模型和项目。这些资源可以为研究人员提供丰富的素材和工具,推动虚拟试衣技术的发展。
GP-VTON 是一种通过协作局部流全局解析学习实现通用虚拟试穿的方法,可以在复杂的自遮挡场景中生成语义正确和照片逼真的试穿结果,并且可以轻松扩展到多类别场景。
OOTDiffusion 是基于 Stable Diffusion 的模型微调,用于实现现实且可控的基于图像的虚拟试穿(VTION)。可以根据不同性别和体型调整服装,支持半身和全身模型,效果接近商用!
TryOnDiffusion 可以将两幅图片合成,帮助照片中的人物更换不同的服饰。不同于传统方法,TryOnDiffusion 基于并行 UNet 的扩散式架构,在保留更多细节的情况下让服装和真人模特相结合,可呈现出更自然的试穿效果。
研发单位:谷歌;华盛顿大学
Dressing in Order(按顺序穿衣)一个灵活的人物生成框架,支持2D 姿态迁移、虚拟试衣、服装编辑任务。其关键在于使用新的循环生成网路,将衣服按顺序穿到一个人身上,顺序不同,结果不同。
M3D-VTON 是一种计算效率很高的单目到三维虚拟试穿网络,借鉴了二维和三维方法的优点,从二维信息中生成三维试穿网格。
VITON-HD
特点:
纯白背景
品类:上衣
尺寸:13679 件衣物和 27358 张人模图像
分辨率:1024 × 768
收录于 CVPR 2021。
FashionTryOn
特点:
尺寸:28714个三元组,每个三元组包含一个服装项目图像和两个不同姿势的模特图像,共计 86142 张图像
分辨率:256 × 192
收录于ACM Multimedia 2019。
MPV
特点:
尺寸:35687 张人物图片和 13524 张衣服图像,每张人物图片都有不同的姿势
分辨率:256 × 192
数据集链接:https://drive.google.com/drive/folders/1e3ThRpSj8j9PaCUw8IrqzKPDVJK\_grcA
StreetTryOn
特点:
街景背景
尺寸:从大型时尚检索数据集 DeepFashion2 中筛掉超过 90% 的不适用于试穿任务的图像(例如非正面视图、大遮挡、黑暗环境等),由 12364 张用于训练的街头人物图像和 2089 张用于验证的街头人物图像组成。
Dress Code Dataset
特点:
纯白背景
尺寸:53792 件衣物和 107584 张穿着它们的人模图像
品类:上衣、下装、裙子
分辨率:1024 × 768
相较于单品类,它更加完善了验证虚拟试衣算法的有效性。
随着电商的普及,用户对虚拟试衣效果的要求日益精美,这使得所需的算力要求不断提高。趋动云作为领先的算力服务商,凭借高性能计算资源,能够快速处理海量数据,为开发人员提供强有力的支持。
❝
趋动云是面向企业、科研机构和个人 AI 开发者构建的开发和推理训练服务,也是全球首个基于 GPU 算力池化云的服务。
趋动云的使命是连接算力·连接人:
📍通过连接全球算力,趋动云可以为用户提供便宜、好用的 AI 算力。
📍通过为AI算法开发全流程提供优化服务、构建全球开发者项目和数据社区,趋动云可以帮助AI开发者接入丰富的生态,快速实现最佳实践
趋动云
连接算力・连接人
注册即领**
70元**算力金
免费体验便宜好用的趋动云
做新手任务
再得230元算力金
添加小助手,获取新手任务
▼HOT 趋动云火热注册中!点击 “阅读原文” 即可尝鲜~