Adobe's AI past kleding op elk lichaamstype

Onderzoekers van Adobe's Media and Data Science Research Lab, IIT & IIIT Hyderabad en Stanford University hebben een systeem ontwikkeld dat shoppers helpt bij het virtueel passen van een kledingstuk op een bepaalde afbeelding van een model.

Het raamwerk, genaamd SieveNet, is in staat om de nieuwe kleding opnieuw te creëren in de lichaamsvorm en pose van het model met behoud van de kenmerken van de stof, inclusief minuscule ontwerpelementen zoals plooien.

Er zijn twee belangrijke fasen in deze benadering - kromtrekken van het productbeeld, het overbrengen van de kromgetrokken textuur in het lichaam van het model. Om dit te bereiken, maken de onderzoekers gebruik van een "meerfasig grof-naar-fijn kromtrekkingsnetwerk" dat is getraind om unieke aspecten van het doek te identificeren met behulp van een voorwaardelijk segmentatiemasker voordat het wordt overgebracht naar het lichaam van het model..

Bekijk de onderstaande inferentiepijplijn voor een beter visueel begrip van het concept.

In tegenstelling tot bestaande virtuele try-on-methodologieën, beweren de onderzoekers dat hun techniek heeft geen last van visuele storingen veroorzaakt door bloeden van de textuur en onjuist kromtrekken.

De onderzoekers trainden SieveNet op een rijke dataset die bestaat uit ongeveer 19.000 afbeeldingen van naar voren gerichte vrouwelijke modellen en productafbeeldingen. Ze draaiden hun model op een pc met 16 GB RAM en vier Nvidia 1080Ti grafische kaarten. De afbeeldingen zijn opnieuw gerangschikt voor het uitvoeren van kwalitatieve en kwantitatieve tests.

Uit de kwalitatieve en kwantitatieve tests ontdekten de onderzoekers dat hun systemen betere resultaten opleverden dan bestaande methodologieën in verschillende aspecten, waaronder het hanteren van occlusie, geometrische kromtrekken, variatie in houdingen, het vermijden van bloeding, het behouden van een onaangetast gebied met behoud van de beeldkwaliteit..

De onderzoekers stellen voor om SeiveNet te integreren in online winkelwebsites. "Het [SeiveNet] is vooral belangrijk voor online mode-handel omdat het compenseert voor de gebrek aan een directe fysieke ervaring met winkelen in de winkel ", schreven de onderzoekers.

Bekijk hier het volledige onderzoekspaper en laat ons uw mening over SeiveNet weten in de commentaren.

Featured Image Credits: SeiveNet / Adobe