面向纺织图案生成的半监督潜在解耦扩散模型
计算机视觉与模式识别
2026-03-18 v1
摘要
纺织图案生成（TPG）旨在基于给定的服装图像合成细粒度的纺织图案图像。尽管之前的研究未明确探讨过TPG，但现有的图像到图像模型似乎是该任务的自然候选人。然而，直接应用这些方法常常会产生结果不忠实，由于纺织图案与服装图像中固有的非刚性纹理扭曲之间的特征混淆，无法保留细粒度细节。本文提出了一种新方法，SLDDM-TPG，用于实现准确且高保真度的TPG。该方法包含两个阶段：（1）一种潜在解耦网络（LDN），用于解决服装表征中的特征混淆，并构建一个多维、独立的服装特征空间；（2）一种半监督潜在扩散模型（S-LDM），接收来自LDN的指导信号，通过半监督扩散训练结合设计的细粒度对齐策略生成准确的结果。广泛的评估表明，SLDDM-TPG在我们的CTP-HD数据集上将FID降低了4.1，SSIM提升了最高0.116，并在VITON-HD数据集上也表现出良好的泛化能力。
引用
@article{arxiv.2603.16747,
title = {Semi-supervised Latent Disentangled Diffusion Model for Textile Pattern Generation},
author = {Chenggong Hu and Yi Wang and Mengqi Xue and Haofei Zhang and Jie Song and Li Sun},
journal= {arXiv preprint arXiv:2603.16747},
year = {2026}
}
备注
9 pages, 7 figures, acceptted by AAAI2026, the code is available at https://github.com/Cg-Hu/SLDDM-TPG