改进的CAGAN在虚拟试衣中的应用

针对CAGAN（Conditional Analogy GAN）换衣后效果模糊，在目标衣服与原始衣服长短不一致时效果一般，相对目标衣服保留过少的细节等问题做了相关研究并对CAGAN进行了改进，提出了新的虚拟试衣方式。经过改进的CAGAN生成一个粗糙的结果，由该结果得到目标衣服穿在模特身上改变形状后的mask，接下来利用mask对目标衣服进行变形，综合变形的衣服和第一步的结果便得到最终的试衣图像。实验结果表明，该方法解决了前面存在的问题，而且取得了非常好的效果。     

基于空间变换的属性可编辑的人体图像合成

针对现有姿态引导的人体图像合成方法无法灵活地编辑人体外观属性的问题，通过对输入的人体图像进行语义分割得到不同部位的外观属性，替换这些属性即可达到同时编辑人体姿态与外观属性的目的。针对纯卷积结构的生成对抗网络无法很好地生成衣服上的图案的问题，提出了新的空间变换算法对多个源属性的特征图进行空间变换，使衣服上的图案得到了保留。实验结果表明，所提出的方法实现了控制人体属性的目的，并且相比于之前的方法具有更好的视觉效果。