个性化三维虚拟试衣系统研究

为满足用户对虚拟试衣的个性化需求和提高虚拟试衣体验，提出一种包括自动化蒙皮、基于单张图片人脸三维自动重建、人体参数化变形以及服装模型穿透处理等模块的个性化虚拟试衣系统。设计了自动化蒙皮算法，解决已有虚拟试衣服装模型制作成本高的问题；通过基于单张图片的三维人脸自动重建和人体参数化变形，满足消费者个性化需求;运用基于自动透明贴图计算的服装穿透处理方法，改进系统试衣效果。实验表明，所提出的系统能够以较低的构建与运行成本实现较好的试衣效果，提供良好的个性化虚拟试衣体验。     

面向学位服照片生成的虚拟试衣方法

为了解决现有虚拟试衣方法不能适用于学位服的问题,提出一种面向学位服照片生成的虚拟试衣方法。该方法首先对由服装变形模块和虚拟试穿模块构成的基于图像的虚拟试衣网络进行训练,将人像与学位服图像通过训练后的网络生成试衣结果。随后,将生成的学位服试衣结果通过背景融合模块与特定背景进行合成。实验过程中,本文构建了一个新的学位服与长裙的数据集。从实验结果来看,本文提出的算法能够在很大程度上减少原人像中衣服对学位服试穿的影响,能够较好地完成学位服的试穿工作并生成较为理想的试穿结果。     

一个二次连续的平面网格细分算法及其应用

给出了一种满足二阶连续的平面网格细分算法,该算法利用三次Ｂ－Ｓｐｌｉｎｅ曲线的分割作图思想,计算简单,效果好,已被成功地应用于多个系统中,尤其在服装试衣效果ＣＡＤ中有着特殊的意义,解决了衣片的网格划分。纹理映射结果能逼真地反映衣服的褶皱明暗、垂感;最难描述的裙装、弯曲的袖 及裤得到了有效的解决,该算法将大大改进服装试衣效果ＣＡＤ技术,在相关领域也有着广泛的应用前景和很强的商业价值。     

FP-VTON：基于注意力机制的特征保持虚拟试衣网络

随着互联网经济和人工智能技术的飞速发展,越来越多的消费者选择在网上购买衣服,虚拟试衣技术可以为消费者提供方便、快捷的试衣服务,为消费者提供更好的网上购物体验。当前,基于二维图像的虚拟试衣方法可以摒弃三维虚拟试衣所需昂贵的硬件成本和时间代价,但是仍然存在无法有效适应模特的不同体型及大姿态动作的问题,无法充分保留目标服装复杂纹理特征和局部细节特征的问题。为此,提出一种基于注意力机制的特征保持虚拟试衣网络FP-VTON,通过服装变形和服装融合两阶段网络生成虚拟试穿结果。针对传统卷积难以适应非刚性物体大尺寸变形的问题在两阶段网络中引入了捕捉全局特征的特征注意力机制,针对TPS变换翘曲严重的问题提出了服装保真损失函数对网格上点间的距离和斜率进行约束。通过与相关工作的定量和可视化定性实验对比,充分验证了FP-VTON在大姿态形变、复杂纹理服装和特殊体型的情况下可以生成更加逼真的图像,更加有效地保留服装的复杂纹理细节和用户的身份信息。     

人体模型自适应变形算法的研究与实现

针对虚拟试衣个性化调节过程中服装尺寸符合人体模型时出现的人体模型表面穿透服装的失真现象,提出一种人体模型自适应变形算法,通过在需要自适应变形的区域加入质点弹簧系统,并在该系统中加入了一类新的弹簧——支撑弹簧,使得模型表面更接近于真实人体的情况,并对实现算法进行了研究和分析,针对存在的不足进行了改进。实验结果表明,该算法运算效率较高、响应时间短,使用后人体模型能够针对服装的形状进行自适应变形,并具有围度不变性,实现了较为理想的试衣效果。     

引入差分约束和对抗训练策略的虚拟试衣方法

为了解决CP-VTON在试衣中存在的服装形变过度和纹理缺失的问题,使用了基于椭圆模型的肤色检测算法修正人体解析区域中的错误划分,提出根据实际网格定义的差分约束项约束回归网络学习并预测的薄板样条变换参数,以产生符合目标人物身型的形变服装;使用类U-Net的网络结构作为生成器,改进的卷积神经网络作为判别器,引入生成对抗训练策略对形变服装和目标人物进行融合。最后,重识别得到手臂公共区域的蒙版,利用泊松融合修补手部特征信息,提高手部清晰度。在VITON的数据集上进行实验,结果表明该方法解决了原来存在的问题,取得了较好的虚拟试衣效果。     

深度学习在二维虚拟试衣技术的应用与进展

虚拟试衣技术对于促进服装产业的信息化和智能化有着广泛的应用研究价值，是人工智能在服装智能制造领域的研究热点之一。目前虚拟试衣主要是基于图像生成的二维虚拟试衣研究，对二维虚拟试衣技术进行全面概述。介绍和分析了传统的虚拟试衣，对现有二维虚拟试衣技术进行了主要任务、类型、发展过程、模型等方面的分类整理，并详细探讨了各类型代表算法的原理以及相关改进。总结了传统虚拟试衣与二维虚拟试衣技术的应用，并讨论了二维虚拟试衣技术的扩展技术。对传统与当前的虚拟试衣技术的应用与优缺点进行了梳理和小结，对该领域的未来发展进行了总结与展望。     

新玩意儿

网购试衣的变形机器人：FitBots 这个FitBots变形机器人的出现，意味着网购衣服的新革命。这是一个可以随意变形的机器人，不管你是胖是瘦，它都能移动它身上每一块股肉来模拟你的身形，     

后门儿

能改变服装颜色的试衣镜 优衣库在美国首次采用了这种新款试衣镜．看上去和普通的试衣镜似乎没什么区别．但是当你试衣的时候．简单地按动按钮就可以把你身上正在试的衣服的颜色变换成其他店里正在销售的颜色．而且是只变化这件衣服的颜色而不影响其他部分。     

二维图像虚拟试衣技术综述

虚拟试衣技术作为近年来深度学习研究中的热点课题，旨在使用户能直观方便查看自己试穿心仪服装的效果，为网购提供更多便利，且在服装设计、游戏、动画等领域也有着重要的应用。其中基于二维图像的虚拟试衣技术可以摒弃三维虚拟试衣所需昂贵的如三维扫描仪等设备的成本和时间代价，以其简单经济的特点受到研究者们更多关注。该文聚焦于二维虚拟试衣技术，从以下几方面进行总结：第一，阐述二维虚拟试衣技术的基本原理与流程；第二，在技术改进方面，以时间顺序和改进方向两者统一对二维虚拟试衣技术进行总结；第三，对二维虚拟试衣技术常用数据集、评价指标和损失函数进行总结，并提出二维虚拟试衣技术的不足和未来在高质量、多样化、多模态、集成化等方向的发展趋势。     

Mask design compensation for sloped sidewall structures fabricated by X-ray lithography

We have investigated and report in this paper the factors influencing the deformation caused by the dependence between the absorbed X-ray energy on the resist and the shape of the absorber on the X-ray mask. Based on the measurement of errors that occurred during the transferring process between the 2-D shape of mask pattern and the resulting wall of the fabricated 3-D structure, we have developed newly useful graphical data on the absorbed X-ray energy, dosage, and shape of a microstructure. As a result, it is being reported as a method for compensation for the deformed shape after the fabrication of a quadruplets-microneedle. We have considered a number of factors affecting the deformation and finally realized that the effect of a dose–depth nonlinear curve is the most possible cause. Without the compensation of the mask design, we could observe the deformed shapes of the sloped sidewall on the exposed structures. Polymethylmethacrylate microneedle structures fabricated by X-ray lithography with an additional plane-pattern to cross-section transfers technique are directly influenced by the absorber on the X-ray mask pattern. The sidewall of the microneedle was improved by changing the mask pattern from a double right-triangular pattern to a double semi-circular pattern, modeled by comparing the results from a mask-pattern and the actual structure.     

空-频域联合投票的交通视频阴影去除方法

交通场景中的静止或运动阴影往往会降低车辆目标跟踪的精度,因此有效地去除阴影是交通监控视频处理的重要环节之一。然而,目前尚无一种能够同时发掘阴影的空间域和频率域特性且抵抗静止和运动阴影干扰的阴影去除方法。为此,提出了一种基于空-频域联合投票策略的交通视频阴影去除方法。首先,将视频帧从RGB颜色空间转换到HSV颜色空间,再进行非下采样剪切波变换;其次,假设变换系数服从高斯分布,采用变换系数的均值和标准差计算每个尺度的加权掩码;然后,根据多尺度变换系数的零树分布特性,利用粗尺度的加权掩码校正细尺度的加权掩码,将各个尺度、各个颜色通道的加权掩码进行线性组合后得到一个公共掩码,再采用基于最小二乘法拟合的最大熵方法计算自适应分割阈值,对公共掩码进行二值化;最后,联合频率域加权掩码、S通道和V通道的掩码进行投票,进而确定去除阴影后的运动车辆区域。实验结果表明,该算法可有效去除交通监控视频中的静态/运动阴影,抑制阴影的干扰,将传统Meanshift算法的输出车辆轨迹与真实轨迹间的平均欧氏距离缩小95%,且未出现目标丢失的现象,增强了智能分析算法的鲁棒性。研究结果说明,该算法有效联合交通监控视频的空间域和频率域表示,充分发掘了运动车辆区域与阴影区域之间的纹理特性和颜色特性差异,有利于获得更精确的阴影去除结果,进而提高车辆目标跟踪的精度。     

采用YOLOV5模型的口罩佩戴识别研究

为实现口罩佩戴的有效识别,本文提出了一种采用改进的YOLOV5模型的口罩佩戴识别方法。首先,对主流目标识别算法与YOLOV5识别模型进行介绍;然后,着重探讨了用于口罩佩戴识别的YOLOV5模型的改进;最后,对改进的YOLOV5模型进行评估与分析。     

Flexible shape control for automatic resizing of apparel products

We provide a flexible shape control technique in this paper for the automatic resizing of apparel products. The automatic resizing function has become an essential part of the 3D garment CAD systems to generate user customized apparel products for individuals with variant body shapes. The human bodies are usually represented by piecewise linear mesh surfaces with consistent connectivity. The shape of apparel products can then be warped from the space around a human body to the space around another body by computing the new positions of points on apparel products. However, one major limitation of this kind of automatic resizing technique is that the apparel products are always distorted along the shape of the human bodies. This is a required deformation for tight clothes but not an expected result for other types of clothes. To solve this problem, we investigate a method to preserve the shape of user-defined features on the apparel products. As the apparel products are often represented by discrete surfaces with non-manifold entities, the existing mesh processing approaches that preserve the local shape cannot be applied here. A new algorithm consisting of three steps is developed in this paper. First, the apparel product is warped from the reference human body to the space around the target human body. Second, the shape of features is optimized to match their original shape before the warping. Lastly, discrete surfaces of the apparel product are deformed again under an optimization framework to match their original shapes locally while interpolating the shape of features determined in the previous step.     

基于卷积神经网络改进的图像自动分割方法

针对图像序列三维重建中多视角目标分割需要人工参与任务繁重的问题,提出一种基于卷积神经网络改进的图像自动分割方法。首先将序列图像去噪处理、归一化并进行语义标注后制作数据集,然后对改进的融合多尺度特征和残差连接的卷积神经网络进行训练,得到优化后的卷积神经网络分割模型,最后将预分割图像加载到优化的分割模型中得到归一化的掩码图,再利用三次样条插值法将其恢复分辨率后与原图做自定义的掩码操作得到高清分割结果。本文以主流分割软件PhotoShop分割结果为参考标准进行对比,实验结果证明,该方法的准确率与参考标准接近,而且可实现批量自动分割,较好的解决三维重建中目标分割任务繁重的问题。     

基于改进Mask R-CNN的在架图书书脊图像实例分割方法

运用人工智能技术将是构建下一代智慧图书馆的关键,为了实现图书的定位和识别,提出一种基于改进Mask R-CNN的在架图书书脊图像实例分割方法.考虑到图书密集排列、具有一定的旋转性、副本纹理极相似等难点,改进锚框为旋转矩形框,提出旋转区域建议网络取代区域建议网络;提出旋转特征提取方法可减少池化误差且有效提取目标特征,结合掩膜的旋转对齐以提升预测掩膜的准确性.建立了一个包含1849张在架图书书脊图像的标注数据集,提出方法的测试结果大幅度优于其他重要的实例分割算法,证实了在网络中使用旋转特征对于具有一定朝向的、密集的目标分割难题很有效.     

改进人脸特征矫正网络的遮挡人脸识别方法

现有人脸识别模型受口罩等遮挡因素影响导致准确率无法提升。当前主流研究方法将有无遮挡场景分开训练后,整合应用于多场景。针对遮挡人脸识别模型的局限性,提出一种改进人脸特征矫正网络（FFR-Net）模型。该模型可同时用于有无遮挡人脸识别并应用于口罩与眼镜遮挡两种识别场景中。人脸特征矫正网络模型提出了一种人脸特征矫正模块,为保证充分利用无遮挡区域特征信息,在该模块中的空间分支引入involution算子扩大图像信息交互区域,增强在空间范围内面部特征信息;在通道分支引入坐标注意力机制,捕获跨通道信息以增强特征表示,利于模型准确地定位识别目标区域;将Meta-ACON作为该模块新的动态激活函数,通过动态调整线性或非线性程度以提高模型泛化能力和计算准确度。最后,利用改进的人脸特征矫正网络模型在CASIA-Webface经处理的有无口罩遮挡人脸数据集上进行训练,其在LFW经处理的有无口罩遮挡数据集、Meglass数据集上的测试结果准确率分别达到了82.50%和89.75%,优于现有算法,验证了所提方法的有效性。     

结合掩膜与孪生网络的目标跟踪方法研究

针对在舰船目标跟踪过程中由于视场角变化导致的跟踪精度下降的问题,基于全连接孪生神经网络的目标跟踪方法,融合了目标分割策略,提出了基于SiamMask的实时目标跟踪算法。该算法将二元掩模运算作为孪生网络的一个分支,以实现对目标的分割,在获取目标位置信息的同时,获取目标的外观信息,使得该网络的损失函数得到显著增强。由传统的轴对称目标跟踪框,改进为可根据目标形状、外观而自适应调整的可旋转矩形框。将该算法与传统基于孪生网络的跟踪算法SiameseNet,以及基于相关滤波的KCF跟踪算法进行实验仿真测评对比,通过计算各算法的中心误差,结果表明该算法的跟踪精度较两者分别提升了19.5%和24.5%,且运行速度可达30 fps,满足了舰船目标跟踪对于准确性和实时性的要求。     

基于卷积神经网络的面罩语音识别

针对带噪面罩语音识别率低的问题,结合语音增强算法,对面罩语音进行噪声抑制处理,提高信噪比,在语音增强中提出了一种改进的维纳滤波法,通过谱熵法检测有话帧和无话帧来更新噪声功率谱,同时引入参数控制增益函数;提取面罩语音信号的Mel频率倒谱系数(MFCC)作为特征参数;通过卷积神经网络(CNN)进行训练和识别,并在每个池化层后经局部响应归一化(LRN)进行优化.实验结果表明:该识别系统能够在很大程度上提高带噪面罩语音的识别率.