一种使用生成对抗网络（GAN）创建虚拟试衣间的成本高效方法
计算机视觉与模式识别
2024-02-05 v1 机器学习
摘要
世界各地的顾客希望在购买前看到衣服是否合身。因此，顾客天生更喜欢实体店购物，以便在购买前试穿产品。但在COVID-19大流行之后，许多卖家要么转向在线购物，要么关闭了试衣间，这使得购物过程变得犹豫和怀疑。由于衣服在购买后可能不适合买家，这促使我们考虑使用新的人工智能技术创建一个在线平台或虚拟试衣间（VFR），形式为移动应用程序和部署的模型（使用网页），该模型可以稍后嵌入到任何在线商店，顾客可以在不实际试穿的情况下试穿任意数量的衣物。此外，这将节省大量搜索所需物品的时间。此外，通过使用一种特殊类型的镜子应用相同的技术，将减少实体店的拥挤和头痛，使顾客能够更快地试穿。另一方面，从企业主的角度来看，该项目将大大提高他们的在线销售额，此外，通过避免实物试穿问题，将保护产品的质量。本研究中使用的主要方法是应用生成对抗网络（GAN）结合图像处理技术，从两个输入图像（人物图像和衣物图像）生成一个输出图像。这项工作取得了优于文献中最先进方法的结果。
引用
@article{arxiv.2402.00994,
title = {A Cost-Efficient Approach for Creating Virtual Fitting Room using Generative Adversarial Networks (GANs)},
author = {Kirolos Attallah and Girgis Zaky and Nourhan Abdelrhim and Kyrillos Botros and Amjad Dife and Nermin Negied},
journal= {arXiv preprint arXiv:2402.00994},
year = {2024}
}