兼容且多样的时尚图像修复
计算机视觉与模式识别
2019-04-25 v2
摘要
视觉兼容性对时尚分析至关重要，但现有时尚图像合成系统却缺失这一点。本文中，我们提出通过时尚图像修复来显式建模视觉兼容性。为此，我们提出 Fashion Inpainting Networks（FiNet），一种能够执行兼容且多样修复的两阶段图像到图像生成框架。我们的框架将形状与外观的生成解耦以确保逼真结果，由形状生成网络与外观生成网络组成。更重要的是，对每个生成网络，我们引入两个相互交互的编码器，以在共享兼容性空间中学习潜码。潜表示与相应生成网络联合优化以约束合成过程，促使生成一组多样且与现有服装视觉兼容的结果。此外，我们的框架可便捷扩展至服装重建与时尚迁移，并取得令人印象深刻的成果。在时尚合成任务上与最先进方法进行的广泛定量与定性对比实验，证明了我们方法的有效性。
引用
@article{arxiv.1902.01096,
title = {Compatible and Diverse Fashion Image Inpainting},
author = {Xintong Han and Zuxuan Wu and Weilin Huang and Matthew R. Scott and Larry S. Davis},
journal= {arXiv preprint arXiv:1902.01096},
year = {2019}
}