基于图像的虚拟试衣：Parser-Free Virtual Try-On via Distilling Appearance Flows（2021）

最新推荐文章于 2024-04-26 09:36:15 发布
原创 最新推荐文章于 2024-04-26 09:36:15 发布 · 2k 阅读 · 13 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#虚拟试衣 #Parser-Free #PF-AFN

本文探讨了WUTON与PF-AFN在虚拟试衣领域的区别，WUTON通过人体分析指导学生网络，而PF-AFN则专注于从外观流中提取知识。文章还包含了网络训练流程、数据库效果对比及定量评价。研究者提供了geyuying/PF-AFN代码和相关资源链接。

Paper

Parser-Free Virtual Try-On via Distilling Appearance Flows

  • 算法比较
    在这里插入图片描述

  • WUTON和PF-AFN比较
    在这里插入图片描述

    • WUTON 通过训练基于人体分析的老师网络来指导学生网络，让学生网络模拟基于人体分析的老师网络。学生网络输入中除外没有人体分析，老师网络和学生网络结构的输入输出完全相同。
    • PF_AFN 学生网络和导师网络的输入输出完全不一样。学生网络的输入是导师网络的输出，输入的衣服图像是导师网络输入真人身上的真实衣服。将试衣问题的知识提取公式化为对人体图像和服装图像之间的外观流进行提取，有利于发现两者之间的密集对应关系，从而生成高质量的图像。

  • 网络训练流程图
    在这里插入图片描述

  • 不同数据库上的效果比较
    在这里插入图片描述

最低0.47元/天 解锁文章
Parser-Free Virtual Try-on via Distilling Appearance Flows代码解析
zhangxue1232的博客
07-28 1148
从PF-AFN_test开始看 1.test.sh python test.py --name demo --resize_or_crop None --batchSize 1 --gpu_ids 0 参数：name,resize_or_crop,gpu_ids 定义
基于图像的虚拟试衣：Image Based Virtual Try-On Network from Unpaired Data
studyeboy的专栏
04-29 2990
Image Based Virtual Try-on Network from Unpaired Data Image-Based-Virtual-Try-on-Network-from-Unpaired-Data 摘要 本文提出了一种新的基于图像的虚拟试穿方法（Outfit-VITON），该方法可帮助可视化从各种参考图像中选择的衣物组成如何在查询图像中的人身上形成凝聚力的衣服。我们的算法具有两个独特的属性。首先，它不昂贵，因为它只需要一大套穿着各种服装的人的（独立的）（真实的和分类的）图像（没有真实的3
Parser-Free Virtual Try-on via Distilling Appearance Flows - 基于外观流提取的免解析器虚拟试穿
Cyber
04-07 1924
human segmentation 人像分割 图一将我们的模型与最近的基于解析器的前沿试穿方法（左侧）和新出现的免解析器方法（右侧）进行了比较。在左侧，我们用绿框将不精确的分割区域高亮了出来，这些不精确的区域划分误导了现存的基于解析器的方法，如 CP-VTON、ClothFlow、CP-VTION+ 和 ACGPN ，导致其产生错误的结果。在右侧，第一个免解析器的方法 WUTON 在最近被提出，但它的图像质量与基于解析器的方法产生的假图捆绑在一起，because [13] simply trained
PF-AFN:CVPR 2021年“通过蒸馏外观流进行无解析器的虚拟试穿”的正式代码。https
03-11
通过蒸馏外观流进行无语法分析器的虚拟试穿，CVPR 2021 CVPR 2021论文“通过蒸馏外观流进行无解析器的虚拟试穿”的正式代码 我们的测试环境 Python3 pytorch 1.1.0 火炬视觉0.3.0 酷达9.0 丘比特6.0.0 OpenCVPython的4.5.1 1个GTX1080 GPU python 3.6 安装 conda创建-n tryon python = 3.6 源激活tryon或conda激活tryon conda安装pytorch = 1.1.0 torchvision = 0.3.0 cudatoolkit = 9.0 -c pytorch conda安装cupy或pip install cupy == 6.0.0 pip安装opencv-python git clone 光盘PF-AFN 运行演示 首先，您需要从下载
基于图像的虚拟试衣：VITON:An Image-based Virtual Try-on Network(2018)
studyeboy的专栏
04-14 3455
[paper]VITON: An Image-based Virtual Try-on Network(2018) [code]VITON 效果 网络结构 人的量化表示 人姿态热图 人的姿态用18个关键点表示。为了利用空间布局，每个关键点都将进一步转换为热图，关键点周围11x11领域设置为1，其他位置区域设置为0。然后将热图堆叠到18通道的姿势热图中。 人体表示 衣服的外观高度取决于人身体不同部位的位置和形状，使用人体解析算法对人身体的不同部位进行分割，将分割图进一步转换为1通道的二进制掩码，
综述：利用深度学习实现的虚拟试衣技术（基于图像）
热门推荐
chocoboeater的博客
04-23 2万+
学习报告5 目录学习报告51. 二维虚拟试衣技术1.1 发展历史1.2人体解析1.2.1 人体分割VITON & CP-VTONMG-VTONClothFlow 条件布局生成器1.2.2 姿势表示——关键点热图1.2.3 姿势表示——DensePoseM2E-TONUnsupervised Pose Flow Learning for Pose Guided Synthesis1.3服装变...
基于图像的虚拟试衣：Do Not Mask What You Do Not Need to Mask：a Parser-Free Virtual Try-On（2020）
studyeboy的专栏
03-30 841
Do Not Mask What You Do Not Need to Mask： a Parser-Free Virtual Try-On 摘要 基于图像的虚拟换装，需要将服装图像拟合到人的图像上，这非常具有挑战性，因为它涉及衣服的形变，图像的融合和合成。将虚拟试穿转换为有监督的任务面临困难：可用的数据集是由成对的图片（衣服，穿着衣服的人）组成。因此，当人身上的衣服发生变化时，无法获取相应的真实图像。先进的模型一般通过人体分析和姿势估计屏蔽人身上的衣服。然后，训练图像合成模块以从被掩盖的人物图像和衣服
GP-VTON 通过协作的局部-流全局解析学习实现通用虚拟试穿（读paper笔记）
weixin_43904440的博客
10-21 827
这样定义的一个原因是让上下次数相同，然后可以满足Weber’s law，Weber定理说的是，对于HVS，对于亮度变化的最小感知的幅度与背景亮度成正比，也就是说，我们的视觉系统对于相对的亮度变化敏感，而不是绝对值，比如我们的μ_1和μ_2如果是成比例的话，假设比例系数为(1+R)，带入计算，发现$ l(x,y) $ 仅仅与R有关，与两均值的绝对数值无关，说明我们的评价比较类似人眼的视觉的主观性质。例如，VGG-19网络中的卷积层可以提取图像的纹理和结构信息，而网络的全连接层可以提取图像的语义信息。
今天早上跑通了 PF-AFN！
Cyber
03-31 1695
项目地址：PF-AFN 上午de了两个小时的bug，终于把模型跑通了！ 官方的result： 我机器上的result： 哈哈哈哈哈！ 记录下自己从github上下载模型后开始到能运行模型的整个debug过程。 Debug之路 先是搭建模型运行环境，主要是GPU-PyTorch和CUDA。安装GPU-PyTorch花了很长时间，后来在某宝上花了30RMB请人帮忙装了一个????。 从CUDA官网安装CUDA速度实在太慢，后来就直接在网上搜了网友已经下载好的CUDA安装包，于是CUDA的安装问题就顺利解决了
Pycharm运行Pytorch分布式代码的设置
studyeboy的专栏
03-29 2161
Pytorch分布式代码的训练一般在命令行下启动，或者shell脚本启动。 python3 -m torch.distributed.launch --nproc_per_node=8 --master_port=7129 train_PBAFN_stage1.py --name PBAFN_stage1 \ --resize_or_crop None --verbose --tf_log --batchSize 4 --num_gpus 8 --label_nc 14 --launcher pytor
测试-03-AFN-OC.zip
03-20
测试-03-AFN-OC.zip
推荐开源项目：PF-AFN - 高性能音频特征匹配算法
最新发布
gitblog_00031的博客
04-26 622
推荐开源项目：PF-AFN - 高性能音频特征匹配算法 项目简介 是一个由 Geyuying 开发并维护的开源项目，它提供了一种高效的音频特征匹配算法。该项目主要关注于在大规模音频库中快速、准确地找到相似或重复的音频片段，这对于音乐识别、版权检测、音频搜索引擎等领域具有重要应用价值。 技术分析 PF-AFN（Progressive Fusion Algorithm for Feature Matc...
CVPR 2021 | 腾讯AI Lab入选论文解读
腾讯AI实验室
03-30 2041
感谢阅读腾讯 AI Lab 微信号第122篇文章。本文将解读腾讯 AI Lab 入选 CVPR 2021 的13篇论文。CVPR（Conference on Computer Vision...
姿态估计之3D 人体姿态估计 - A curated list of related resources for 3d human reconstruction.【转】
light169的专栏
06-17 4607
转自【GitHub - Hi-MrChen/3d-human-reconstruction】A curated list of related resources for 3d human reconstruction
语义分割深度学习方法集锦
生如蚁，美如神
01-19 1万+
转载：https://github.com/handong1587/handong1587.github.io/edit/master/_posts/deep_learning/2015-10-09-segmentation.mdPapersDeep Joint Task Learning for Generic Object Extraction intro: NIPS 2014 homepage
N-show智能3D虚拟试衣镜
weixin_34004750的博客
06-28 1437
转载于:https://www.cnblogs.com/jalenwang/archive/2012/12/14/2818615.html
【深度学习与神经网络】opencv实现神经网络
穿着帆布鞋也能走猫步
02-26 2037
opencv实现神经网络
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值