GarmentGAN：照片级真实对抗时尚迁移

服装迁移问题包含两项任务：学习将人的身体（姿态、体型、颜色）与服装（服装类型、形状、风格）分离，然后生成穿着任意服装的佩戴者新图像。我们提出 GarmentGAN，一种通过生成对抗方法执行基于图像的服装迁移的新算法。GarmentGAN 框架允许用户在购买前虚拟试穿物品，并可泛化至各类服饰类型。GarmentGAN 仅需两张图像作为输入，即目标时尚单品图片和包含顾客的图像。输出为顾客穿着目标服装的合成图像。为使生成图像看起来照片级真实，我们采用了新颖的生成对抗技术。GarmentGAN 在生成图像的真实感上优于现有方法，并解决了与自遮挡相关的各类问题。我们提出的模型在训练时融入额外信息，同时利用分割图和身体关键点信息。我们给出与其他若干网络的定性与定量比较，以证明该技术的有效性。