HyperAIHyperAI
il y a 7 jours

S’habiller dans l’ordre : génération récurrente d’images de personnes pour le transfert de posture, l’essayage virtuel et l’édition de tenues

Aiyu Cui, Daniel McKee, Svetlana Lazebnik
S’habiller dans l’ordre : génération récurrente d’images de personnes pour le transfert de posture, l’essayage virtuel et l’édition de tenues
Résumé

Nous proposons un cadre flexible de génération de personnes appelé Dressing in Order (DiOr), qui prend en charge le transfert de posture 2D, l’essayage virtuel ainsi que plusieurs tâches d’édition de mode. Le principe central de DiOr réside dans une nouvelle pipeline de génération récurrente, qui place les vêtements sur une personne de manière séquentielle, permettant ainsi que le port des mêmes vêtements dans des ordres différents donne des apparences différentes. Notre système est capable de produire des effets d’habillement impossibles à réaliser par les méthodes existantes, notamment des interactions variées entre vêtements (par exemple, porter un haut rentré dans un bas ou au-dessus de celui-ci), ainsi que des superpositions de plusieurs vêtements du même type (par exemple, une veste par-dessus une chemise, elle-même par-dessus un t-shirt). DiOr encode explicitement la forme et la texture de chaque vêtement, ce qui permet d’éditer ces éléments séparément. L’entraînement conjoint sur le transfert de posture et l’imputation (inpainting) contribue à préserver les détails et à assurer la cohérence des vêtements générés. Des évaluations étendues montrent que DiOr surpasser d’autres méthodes récentes, telles qu’ADGAN, en termes de qualité de sortie, et gère une large gamme de fonctions d’édition pour lesquelles aucune supervision directe n’est disponible.

S’habiller dans l’ordre : génération récurrente d’images de personnes pour le transfert de posture, l’essayage virtuel et l’édition de tenues | Articles de recherche récents | HyperAI