学习服装的本征图像
计算机视觉与模式识别
2021-11-17 v1
摘要
人体服装重建是一项重要任务,常依赖于本征图像分解。由于缺乏领域特定数据与粗糙的评估指标,现有模型未能为图形应用产出满意结果。本文聚焦于服装图像的本征图像分解并取得全面改进。我们收集了 CloIntrinsics——一个服装本征图像数据集,包含合成训练集与真实世界测试集。为测试集设计了更具可解释性的边感知指标与标注方案,可对本征模型进行诊断性评估。最后,我们提出 ClothInNet 模型,含精心设计的损失项与对抗模块。它利用易获取的标签从真实世界明暗变化中学习,仅以微小额外标注代价显著提升性能。我们表明,所提模型在保留惊人细微细节的同时显著减少纹理复制伪影,优于现有 SOTA 方法。
引用
@article{arxiv.2111.08521,
title = {Learning Intrinsic Images for Clothing},
author = {Kuo Jiang and Zian Wang and Xiaodong Yang},
journal= {arXiv preprint arXiv:2111.08521},
year = {2021}
}