CT-Net：面向任意几何变化的服装迁移互补迁移网络
计算机视觉与模式识别
2021-05-13 v1
摘要
服装迁移在不同人物图像间转移穿搭方面展现出巨大应用潜力。然而，在存在严重错位或重度遮挡的图像之间进行服装迁移仍具挑战。本文提出互补迁移网络（CT-Net），以自适应建模不同层级的几何变化并在不同人物间转移服装。具体而言，CT-Net 由三个模块组成：1）互补扭曲模块首先估计两种互补扭曲，以不同粒度迁移目标服装；2）提出布局预测模块以预测目标布局，引导合成图像中身体部位的保留或生成；3）动态融合模块自适应结合互补扭曲的优势以渲染服装迁移结果。在 DeepFashion 数据集上的大量实验表明，我们的网络能合成高质量服装迁移图像，并在定性与定量上显著优于当前最优方法。
引用
@article{arxiv.2105.05497,
title = {CT-Net: Complementary Transfering Network for Garment Transfer with Arbitrary Geometric Changes},
author = {Fan Yang and Guosheng Lin},
journal= {arXiv preprint arXiv:2105.05497},
year = {2021}
}