摘要
我们提出SwapNet，一种用于在任意人体姿态、体型和着装条件下实现图像间服装迁移的框架。服装迁移是一项具有挑战性的任务，其核心在于：（i）将服装特征与人体姿态及体型特征有效解耦；（ii）在新人体上实现逼真的服装纹理合成。为此，我们设计了一种神经网络架构，通过两个针对特定任务的子网络分别应对上述子问题。由于获取同一服装在不同人体上的成对图像数据极为困难，我们提出一种新颖的弱监督学习方法，仅需单张图像，通过数据增强技术自动生成训练样本对。本工作首次实现了在非约束条件下图像中服装迁移的全自动方法，且无需解决复杂的三维重建问题。我们展示了多样化的迁移结果，并显著突显了该方法相较于传统图像到图像转换及类比迁移流水线的优势。