计算机辅助设计与图形学学报

作者：韩超远, 李健, 王泽震

关键词：虚拟试衣, 外观流, 图像生成网络, 人体解析

针对 PF-AFN 中预测外观流精度欠缺和网络泛化能力较差的问题, 提出改进的虚拟试衣网络. 首先, 增加目标人体预测模块, 通过预测目标人体解析图像解耦形状与纹理; 其次, 依据仿射变换的共线特性, 增加共线性损失项以约束形变过程, 根据外观流的特性添加距离损失, 弥补 PF-AFN 对局部区域约束不足的缺陷; 最后, 将生成的人体解析图像与原输入按通道拼接作为图像生成网络的输入, 使用基于 ResNet 的类 UNet++图像生成网络得到最终的试衣图像. 基于 VITON 数据集, 与其他 4 种最新方法进行对比实验, 实验结果表明, 该方法在图像相似度评价指标SSIM, FID 和 LPIPS 上分别比其中最优方法提升了 1.2%, 11.1%和 5.8%, 图像清晰度和多样性评价(IS)与当前最优方法相当. 从整体来看, 所提方法改善了原网络中存在的问题, 并取得了较好的视觉效果.

来源：2023年第10期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2023年第10期