FCBoost-Net：一种通过时尚兼容性提升合成多种搭配服饰的生成网络

服饰生成是时尚技术领域一项具有挑战性的任务，其目标是为给定的一组服饰单品创建一套搭配协调的集合。该领域的先前研究仅限于基于给定单品生成一套独特的服饰，未能为用户提供更多选择。这种多样化选择的缺乏，使得开发一个更通用的框架成为必要。然而，当使用多模态图像到图像转换方法来完成生成搭配且多样化的服饰任务时，会面临非对齐图像转换的难题，现有方法难以解决。在本研究中，我们提出了 FCBoost-Net，这是一个新的服饰生成框架，它利用预训练生成模型的能力来生成多套搭配且多样化的服饰。FCBoost-Net 首先随机合成多套服饰单品，然后通过一种新颖的时尚兼容性提升器，在数轮迭代中提升合成套装的兼容性。该方法受提升算法启发，允许性能在多个步骤中逐步提高。实验证据表明，所提出的策略能够提升随机合成服饰单品的时尚兼容性，同时保持其多样性。大量实验证实了我们提出的框架在视觉真实性、多样性和时尚兼容性方面的有效性。