Dress Code：高分辨率多类别虚拟试穿

基于图像的虚拟试穿致力于将服装物品的外观转移到目标人物的图像上。先前的工作主要关注上半身衣物（如 T 恤、衬衫和上装），而忽略了全身或下半身物品。这一缺陷源于一个主要因素：当前公开可用的基于图像的虚拟试穿数据集未考虑这种多样性，从而限制了该领域的进展。为弥补这一不足，我们引入了 Dress Code，其包含多类别服装图像。Dress Code 比公开可用的基于图像的虚拟试穿数据集大 3 倍以上，并具有高分辨率配对图像（1024x768）以及正面视角、全身参考模型。为生成具有高视觉质量和丰富细节的 HD 试穿图像，我们提出学习细粒度判别特征。具体而言，我们利用了在像素级而非图像级或块级进行预测的语义感知判别器。大量实验评估表明，所提方法在视觉质量和定量结果上超越了基线方法和最先进的竞争对手。Dress Code 数据集公开于 https://github.com/aimagelab/dress-code。