Fashion++：用于穿搭改良的最小化编辑
计算机视觉与模式识别
2019-09-04 v3
摘要
给定一套穿搭，哪些微小改动能最大程度提升其时尚度？这一问题提出了一个有趣的新视觉挑战。我们介绍 Fashion++，一种对全身服装穿搭提出最小调整、以对其时尚度产生最大影响的方法。我们的模型由一个深度图像生成神经网络组成，该网络学习以按衣物学习到的编码为条件合成服装。潜在编码按形状与纹理显式分解，从而分别允许针对版型/呈现与颜色/图案/材质进行直接编辑。我们展示了如何利用网络照片自助训练时尚度模型，并开发了激活最大化风格的方法将输入图像转化为更时尚的版本。所建议的编辑涵盖从替换新衣物到微调其颜色、穿着方式（如卷起袖子）或版型（如使裤子更宽松）。实验表明，无论是依据自动化指标还是人类评价，Fashion++ 均能提供成功的编辑。项目页面位于 http://vision.cs.utexas.edu/projects/FashionPlus。
引用
@article{arxiv.1904.09261,
title = {Fashion++: Minimal Edits for Outfit Improvement},
author = {Wei-Lin Hsiao and Isay Katsman and Chao-Yuan Wu and Devi Parikh and Kristen Grauman},
journal= {arXiv preprint arXiv:1904.09261},
year = {2019}
}
备注
accepted to ICCV 2019