Die KI von Adobe passt zu Kleidung für jeden Körpertyp

2273
Joshua Clarke

Forscher des Forschungslabors für Medien und Datenwissenschaft von Adobe, IIT & IIIT Hyderabad und der Stanford University haben ein System entwickelt, mit dem Kunden ein Kleidungsstück auf einem bestimmten Modellbild virtuell anprobieren können.

Das als SieveNet bezeichnete Framework kann das neue Kleidungsstück in die Körperform und -haltung des Modells zurückversetzen und dabei die Eigenschaften des Stoffes beibehalten, einschließlich winziger Designelemente wie Falten.

Dieser Ansatz besteht aus zwei Hauptphasen - Verzerrung des Produktbildes, Übertragen der verzogenen Textur in den Körper des Modells. Um dies zu erreichen, verwenden die Forscher ein „mehrstufiges Grob-Fein-Warping-Netzwerk“, das darauf trainiert ist, mithilfe einer bedingten Segmentierungsmaske einzigartige Aspekte des Stoffes zu identifizieren, bevor es auf den Körper des Modells übertragen wird.

Schauen Sie sich die folgende Inferenzpipeline an, um das Konzept besser visuell zu verstehen.

Credits: SeiveNet / Adobe

Im Gegensatz zu bestehenden virtuellen Anprobierungsmethoden behaupten die Forscher, dass ihre Die Technik leidet nicht unter Sehstörungen verursacht durch Texturbluten und falsches Verziehen.

Die Forscher trainierten SieveNet an einem umfangreichen Datensatz, der aus etwa 19.000 Bildern von nach vorne gerichteten weiblichen Modellen und Produktbildern besteht. Sie liefen ihr Modell auf einem PC mit 16 GB RAM und vier Nvidia 1080Ti-Grafikkarten. Die Bilder wurden für die Durchführung qualitativer und quantitativer Tests neu angeordnet.

Bei den qualitativen und quantitativen Tests stellten die Forscher fest, dass ihre Systeme in verschiedenen Aspekten bessere Ergebnisse als bestehende Methoden liefern, einschließlich der Handhabung von Okklusion, geometrischer Verzerrung, Variation der Posen, Vermeidung von Blutungen, Erhaltung nicht betroffener Bereiche bei gleichzeitiger Beibehaltung der Bildqualität.

Die Forscher schlagen vor, SeiveNet in Online-Shopping-Websites zu integrieren. „Es [SeiveNet] ist besonders wichtig für den Online-Modehandel, weil es das kompensiert Fehlen einer direkten physischen Erfahrung beim Einkaufen im Geschäft “, schrieben die Forscher.

Lesen Sie hier das gesamte Forschungspapier und teilen Sie uns Ihre Meinung zu SeiveNet in den Kommentaren mit.

Ausgewählte Bildnachweise: SeiveNet / Adobe


Bisher hat noch niemand einen Kommentar zu diesem Artikel abgegeben.