Riassunto analitico
Questa Tesi presenta un metodo che utilizza tecniche di deep learning per Virtual Try-On, cioè il trasferimento di abiti da catalogo su immagini di persone, per renderli visivamente indossati. I sistemi di virtual try-on basati su immagini per adattare un nuovo abbigliamento da catalogo all'immagine di una persona hanno attirato una crescente attenzione da parte della ricerca, ma il tutto è ancora molto impegnativo. Una pipeline desiderabile dovrebbe tenere conto non solo di trasferire l'abito in modo da preservare le dimensioni, ma anche le caratteristiche, come la texture, il logo, ecc. Per realizzare ciò, utilizziamo due tipi di trasformazioni spaziali: una prima trasformazione, chiamata affine, per avvicinare il vestito da catalogo, senza apportare deformazioni, alla locazione dei quello indossato dalla modella, e una seconda trasformazione, chiamata thin plate spline (TPS), per adattare la forma del vestito in modo da aderire alla forma del corpo. Infine, calcolati i parametri di queste trasformazioni, utilizziamo una rete generativa per rimpiazzare il vestito indossato dalla modella con quello da catalogo che abbiamo scelto. Si dimostra che l'utilizzo della trasformazione affine apporta dei miglioramenti sulla TPS in quanto agevola il warping del vestito.
|
Abstract
This Thesis presents a method that uses deep learning techniques for Virtual Try-On, which indicates the transfer of catalog clothes to make them look as they were worn by people. Image-based virtual try-on systems to adapt new catalog clothing to a person's image have attracted increasing attention, but the whole thing is still very demanding. A desirable pipeline should transfer the garment in order to preserve not only the shape but also the characteristics such as textures, logos, etc. To achieve this, we adopt two types of spatial transformations: a first transformation, called affine, brings the catalog dress closer to the location of the one worn by the model without making deformations, and a second transformation, called thin-plate spline (TPS), to adapt the shape of the dress to fit the shape of the body. Finally, calculated the parameters of these transformations, we use a generative network to replace the dress worn by the model with the catalog one we have chosen. It is shown that the use of the affine transformation brings improvements on the TPS as it facilitates the warping of the dress.
|
