TailorGAN：制作用户自定义的时装设计
计算机视觉与模式识别
2020-01-22 v2
摘要
属性编辑已成为计算机视觉中一个重要且新兴的课题。在本文中，我们考虑如下任务：给定参考服装图像 A 和另一张带有目标属性（衣领/袖子）的图像 B，生成一张结合参考 A 的纹理与参考 B 新属性的照片级真实感图像。高度纠缠的属性以及缺乏配对数据是该方法面临的主要挑战。为克服这些局限，我们提出了一种新颖的自监督模型，可在无配对数据的情况下合成具有解耦属性（例如衣领和袖子）的服装图像。我们的方法包含一个重建学习步骤和一个对抗学习步骤。模型通过重建学习获取纹理与位置信息，并通过对抗学习将其能力泛化以实现单属性操控。同时，我们构建了一个名为 GarmentSet 的新数据集，标注了干净服装图像上衣领和袖子的关键点。在该数据集和真实样本上的大量实验表明，在定量与定性比较中，我们的方法合成的结果均远优于当前最优（SOTA）方法。
引用
@article{arxiv.2001.06427,
title = {TailorGAN: Making User-Defined Fashion Designs},
author = {Lele Chen and Justin Tian and Guo Li and Cheng-Haw Wu and Erh-Kan King and Kuan-Ting Chen and Shao-Hang Hsieh and Chenliang Xu},
journal= {arXiv preprint arXiv:2001.06427},
year = {2020}
}
备注
fashion