I ricercatori del Media and Data Science Research Lab di Adobe, dell'IIT & IIIT Hyderabad e della Stanford University hanno sviluppato un sistema che mira ad aiutare gli acquirenti a provare virtualmente un capo di abbigliamento su una data immagine del modello.
Soprannominato SieveNet, il telaio è in grado di ricreare il nuovo abbigliamento nella forma del corpo e nella posa del modello, preservando le caratteristiche del tessuto, inclusi elementi di design minuti come le pieghe.
Ci sono due fasi principali in questo approccio - deformare l'immagine del prodotto, trasferire la trama deformata nel corpo del modello. Per ottenere ciò, i ricercatori fanno uso di una "rete di orditura grossolana-fine a più stadi" addestrata per identificare aspetti unici del tessuto utilizzando una maschera di segmentazione condizionale prima che venga trasferito al corpo del modello.
Dai un'occhiata alla seguente pipeline di inferenza per una migliore comprensione visiva del concetto.
A differenza delle metodologie di prova virtuale esistenti, i ricercatori affermano che il loro file la tecnica non soffre di malfunzionamenti visivi causato a causa di sanguinamento della trama e deformazione errata.
I ricercatori hanno formato SieveNet su un ricco set di dati composto da circa 19.000 immagini di modelli femminili frontali e immagini di prodotti. Hanno eseguito il loro modello su un PC con 16 GB di RAM e quattro schede grafiche Nvidia 1080Ti. Le immagini sono state riorganizzate per condurre test qualitativi e quantitativi.
Dai test qualitativi e quantitativi, i ricercatori hanno scoperto che i loro sistemi producono risultati migliori rispetto alle metodologie esistenti in vari aspetti, tra cui la gestione dell'occlusione, la deformazione geometrica, la variazione delle pose, l'evitare il sanguinamento, preservare la regione inalterata mantenendo la qualità dell'immagine.
I ricercatori suggeriscono di integrare SeiveNet nei siti di shopping online. "[SeiveNet] è particolarmente importante per il commercio di moda online perché compensa il mancanza di un'esperienza fisica diretta degli acquisti in negozio ", hanno scritto i ricercatori.
Dai un'occhiata all'intero documento di ricerca qui e facci sapere i tuoi pensieri su SeiveNet nei commenti.
Crediti immagine in primo piano: SeiveNet / Adobe