基于语义对齐与拼接分类学习的兼容时尚物品生成：一种服装生成框架
机器学习
2025-02-12 v1 人工智能
图形学
摘要
近年来，时尚兼容性学习领域吸引了大量学术界和工业界的关注。已开展多项研究，涵盖时尚兼容性预测、拼接服装推荐、人工智能（AI）赋能的兼容时尚设计等相关主题。特别是，AI 赋能的兼容时尚设计可用于合成兼容的时尚物品或整套服装，以提高设计师的设计体验或客户的推荐效果。然而，之前用于拼接时尚合成的生成模型通常仅关注上衣和下衣之间的数据转换。在本文中，我们提出一种新颖的服装生成框架，即 OutfitGAN，旨在在给定一件现有时尚物品和目标合成物品的参考掩码的前提下，合成一组互补物品以组成完整的整套服装。OutfitGAN 包括语义对齐模块，负责刻画现有时尚物品与合成物品之间的映射对应关系，以提高合成图像的质量；以及拼接分类模块，用于提高合成整套服装的兼容性。为评估我们方法的性能，我们构建了一个由 20,000 套时尚整套服装组成的大型数据集。本数据集上的大量实验结果表明，我们的 OutfitGAN 能够合成逼真的时尚整套服装，并在相似度、真实性和兼容性等方面超越领先的现有方法。
引用
@article{arxiv.2502.06827,
title = {Learning to Synthesize Compatible Fashion Items Using Semantic Alignment and Collocation Classification: An Outfit Generation Framework},
author = {Dongliang Zhou and Haijun Zhang and Kai Yang and Linlin Liu and Han Yan and Xiaofei Xu and Zhao Zhang and Shuicheng Yan},
journal= {arXiv preprint arXiv:2502.06827},
year = {2025}
}
备注
This paper was accepted by IEEE TNNLS