基于风格的全局表观流用于虚拟试穿

基于图像的虚拟试穿旨在将店内服装贴合到穿着衣服的人体图像上。为此，关键一步是服装变形（garment warping），即在空间上将目标服装与人体图像中相应的身体部位对齐。先前的方法通常采用局部表观流估计模型，因此本质上容易受到困难人体姿态/遮挡以及人体与服装图像之间较大错位的影响（见图~\ref{fig:fig1}）。为克服该局限，本文提出一种新颖的全局表观流估计模型。我们首次采用基于 StyleGAN 的架构进行表观流估计，这使我们能够利用全局风格向量编码整图上下文，以应对上述挑战。为引导 StyleGAN 流生成器更多关注局部服装形变，引入流细化模块以补充局部上下文。在流行的虚拟试穿基准上的实验结果表明，我们的方法取得了新的 SOTA 性能。其在“野外”应用场景中尤为有效，其中参考图像为全身照，导致与服装图像存在较大错位（图~\ref{fig:fig1} 上）。代码见：\url{https://github.com/SenHe/Flow-Style-VTON}。