客户的RGB图像。信用:蒂瓦里&博米克。近年来，一些计算机科学家一直在探索深度学习技术在虚拟装扮3D数字版人类方面的潜力。这种技术可能有许多有价值的应用，尤其是在网上购物、游戏和3D内容生成方面。印度TCS Research的两名研究人员最近创造了一种深度学习技术，可以预测衣服如何适应给定的体型，从而预测它将如何适应特定的人。在ICCV研讨会上提出的这项技术，已经被发现优于其他现有的虚拟人体服装方法。
开展这项研究的研究人员之一布罗耶什瓦尔·博米克(Brojeshwar Bhowmick)在接受TechXplore采访时表示:“通过网上购买衣服，消费者可以在舒适的家中获得和购买各种各样的产品，而无需去实体店。“然而，它有一个主要的限制:它不能让买家亲自尝试衣服，这导致了由于衣服合身问题导致的高退货/换货率。虚拟试穿的概念有助于解决这一局限。”
虚拟试穿工具允许人们在网上购买衣服，通过在3D化身(即他们自己的数字版本)上可视化，来了解衣服会如何合身和好看。潜在购买者可以通过在不同位置或从不同角度观察物品的褶皱和皱纹，以及在渲染的图像/视频中化身的身体和穿着的衣服之间的间隙，来推断他/她正在考虑购买的物品如何适合。
t恤和裤子都有Youtube RGB和褶皱图像。信用:蒂瓦里&博米克。它允许买家在他们的3D头像上看到任何服装，就好像他们穿着它一样。买家在决定购买特定服装时，会考虑两个重要因素:合身和外观。在虚拟试穿环境中，一个人可以通过观察各种姿势的褶皱和皱纹以及渲染图像或视频中身体和服装之间的间隙来推断特定服装的合身程度。
“这一领域以前的工作，如TailorNet技术的发展，没有考虑到潜在的人体测量；因此，它的视觉预测不太准确，不太符合实际，”博米克说。“除此之外，由于其设计，TailorNet的内存占用非常大，这限制了它在计算能力较低的实时应用中的使用。”
博米克和他的同事最近研究的主要目标是创建一个轻量级系统，该系统考虑人体尺寸，并将3D服装覆盖在与人体尺寸匹配的化身上。理想情况下，他们希望这个系统需要低内存和低计算能力，以便它可以实时运行，例如在在线服装网站上。
上图中同一客户的估计3D身体，来源于RGB图像。信用:蒂瓦里&博米克。博米克解释说:“DeepDraper是一个基于深度学习的服装立体裁剪系统，它允许顾客用3D方式将阿迪gital衣柜里的服装虚拟试穿到自己的身上。“从本质上来说，它将顾客的图像或短视频剪辑，以及卖家提供的数字衣柜中的一件衣服作为输入。”
最初，DeepDraper分析用户的图像或视频，以估计他/她的3D身体形状、姿势和身体测量。随后，它将其估计值输入悬垂神经网络，该网络通过将其应用于虚拟化身来预测服装在用户身体上的外观。
研究人员在一系列测试中评估了他们的技术，发现它优于其他最先进的方法，因为它预测了一件衣服如何更好、更真实地适合用户。此外，他们的系统能够在各种形状和各种特征的人体上覆盖任何尺寸的服装。
DeepDraper的结果，团队用一件白色t恤和一条粉色裤子覆盖了估计的3D人体。信用:蒂瓦里&博米克。
一件固定尺寸的t恤在两个整体体脂不同的人身上的悬垂效果。这是显示身体脂肪含量较高的人的照片，请看下图，观察皱纹和褶皱的差异。信用:蒂瓦里&博米克。
一件固定尺寸的t恤在两个整体体脂不同的人身上的悬垂效果。这是显示低体脂人的图片，请看上图，观察皱纹和褶皱的不同。信用:蒂瓦里&博米克。博米克说:“DeepDraper的另一个重要特点是速度非常快，可以得到手机或平板电脑等低端设备的支持。“更准确地说，与竞争对手Tailornet相比，DeepDraper的速度快了近23倍，内存占用小了近10倍。”
未来，这个研究团队创造的虚拟服装悬垂技术可以让服装和时尚公司改善他们的用户在网上购物的体验。通过让潜在买家在购买衣服之前更好地了解衣服的外观，这也可以减少退款或产品更换的请求。此外，游戏开发商或3D媒体内容创作者可以使用DeepDraper来更有效、更逼真地装扮角色。
“在我们接下来的研究中，我们计划将DeepDraper扩展到虚拟试穿其他具有挑战性的宽松多层服装，如连衣裙、长袍、带夹克的t恤等。目前，DeepDraper将服装披在静止的人体上，但我们最终计划随着人类的移动，始终如一地给服装披上褶皱和动画。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
