VITON-HD：基于错位感知归一化的高分辨率虚拟试穿
计算机视觉与模式识别
2021-09-13 v2
摘要
基于图像的虚拟试穿任务旨在将目标服装转移到人物的相应区域，通常通过使服装贴合所需身体部位并将变形后的服装与人物融合来解决。尽管已有越来越多的研究，但合成图像的分辨率仍局限于较低水平（如 256x192），这是满足在线消费者的关键限制。我们认为该限制源于若干挑战：随着分辨率提高，变形服装与期望服装区域之间错位区域内的伪影在最终结果中变得明显；现有方法中所用的架构在生成高质量身体部位和保持服装纹理清晰度方面性能较低。为应对这些挑战，我们提出了一种称为 VITON-HD 的新型虚拟试穿方法，其成功合成了 1024x768 的虚拟试穿图像。具体而言，我们首先准备分割图以引导虚拟试穿合成，然后将目标服装粗略贴合到给定人物的身体上。接下来，我们提出对齐感知分割（ALIAS）归一化和 ALIAS 生成器来处理错位区域并保留 1024x768 输入的细节。通过与现有方法的严格比较，我们证明 VITON-HD 在合成图像质量上定性和定量地大幅超越基线。代码见 https://github.com/shadow2496/VITON-HD。
引用
@article{arxiv.2103.16874,
title = {VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization},
author = {Seunghwan Choi and Sunghyun Park and Minsoo Lee and Jaegul Choo},
journal= {arXiv preprint arXiv:2103.16874},
year = {2021}
}
备注
21 pages; project page: https://psh01087.github.io/VITON-HD; accepted to CVPR 2021; code URL added, references formatted