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。     

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。     

两阶段可调节感知蒸馏网络的虚拟试衣方法

基于图像的虚拟试衣能将目标服装图像合成到人物图像上,此任务近年来因其在电子商务和时装图像编辑上广泛应用而备受关注.针对该任务的特点和已有方法的缺陷,提出一种两阶段可调节感知蒸馏方法(TS-APD).该方法包括3个步骤:①分别对服装图像和人物图像预训练2个语义分割网络,生成更准确的服装前景分割和上衣分割;②利用这2个语义...     

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。     

生成对抗网络改进角度与应用研究综述

生成对抗网络(GAN)作为一种新兴的生成式模型,逐渐发展应用于图像生成、三维重构、跨模态转换等领域,有效解决了常规卷积神经网络在图像生成类任务方面效率低下的问题,填补了深度学习在图像生成领域上的短板。为了帮助后续研究人员快速并全面了解GAN,根据近年来的文献对GAN的改进模型进行梳理。首先从网络结构、目标函数两个角度介绍了GAN的基本原理,然后对GAN的各种衍生模型从改进角度、应用类型两个方面进行详细的阐述和总结,分别从主观定性、客观定量和任务专项评估等角度对生成图像的质量和多样性进行归纳分析,最后讨论了GAN系列模型近年来的一些核心问题与最新研究进展,并分析了未来的发展趋势。     

基于图像处理的2D虚拟试衣技术研究

为了满足人们的消费需求,顺应互联网时代的发展趋势,本文采用Canny边缘检测算法提取2D人体图像的体型轮廓和服装图像的轮廓,运用灰度值筛选需要的数值,得到人体图像和衣服图像的轮廓,使用图像增强和像素点转换实现虚拟试衣。该方法具有较高的贴合度和较真实的视觉效果,可以作为在线上购买服装的辅助决策工具,能够使消费者在线上购物过程中获得较真实的试衣感受,而且可以节约购物时间,优化购物体验,丰富人们的日常生活,改变人们的消费心理,形成互联网时代的生活方式和生活状态。     

智能三维虚拟试衣模特仿真系统设计*

针对服装物理仿真通常计算量庞大、在低端硬件平台或交互式环境进行高质量模拟的挑战,将人工生命思想引入服装纹理生成,基于混合虚拟现实技术研究开发了智能三维虚拟试衣模特仿真系统。通过在三维空间中构建与真实人体类似的三维虚拟模特作为消费者的试穿替身,同时设计实现了场景屏风功能,这样不但便于根据着装场合自由切换服装纹理,而且可以让消费者通过这一虚拟平台更为直观、自由地观察着装效果为了使三维试衣系统更为智能化,还建立了服装搭配合适度智能评价系统。     

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。     

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。     

基于迁移学习的双层生成式对抗网络

在生成式对抗网络的对抗训练中,目标样本训练集不足会导致模型无法准确学习到对应的特征,但对于需要人工制作、标记的目标样本训练集又很难获取。针对这一问题,提出了基于迁移学习的双层生成式对抗网络模型,在第一层网络中通过伪目标样本让模型学习到目标样本在结构空间的大致分布后,利用迁移学习的思想进行模型迁移,并在第二层网络中根据少量目标样本进行调整。实验中,验证了该模型在中文字体生成与图片框架图转换中的提高,有效地在少量目标样本训练集中训练出更好的模型。     

基于生成对抗网络的最大熵逆强化学习

针对逆强化学习算法在训练初期由于专家样本稀疏所导致的学习速率慢的问题,提出一种基于生成对抗网络（Generative Adversarial Networks,GAN）的最大熵逆强化学习算法。在学习过程中,结合专家样本训练优化生成对抗网络,以生成虚拟专家样本,在此基础上利用随机策略生成非专家样本,构建混合样本集,结合最大熵概率模型,对奖赏函数进行建模,并利用梯度下降方法求解最优奖赏函数。基于所求解的最优奖赏函数,利用正向强化学习方法求解最优策略,并在此基础上进一步生成非专家样本,重新构建混合样本集,迭代求解最优奖赏函数。将所提出的算法与MaxEnt IRL算法应用于经典的Object World与Mountain Car问题,实验表明,该算法在专家样本稀疏的情况下可以较好地求解奖赏函数,具有较好的收敛性能。     

不平衡数据集下的水下目标快速识别方法

水下目标的准确识别是水下机器人实现抓取、捕捞等安全作业的前提,针对水下图像质量差、样本数量少及类不平衡而导致目标识别精确度低的问题,提出了一种基于生成对抗网络（Generative Adversarial Networks, GAN）的水下目标快速识别算法。利用GAN理论搭建了深度卷积神经网络的水下图像生成模型,通过生成器与判别器的零和博弈生成特定水下目标图像;设计生成目标的中心坐标计算函数和边界融合函数,将生成目标与背景图像融合后训练水下目标识别模型。实验结果表明,所提方法能够显著提高水下目标识别精确度,对实现水下目标准确抓取、促进水下作业及海洋资源的开发具有重要意义。     

生成对抗网络及其应用研究综述

生成对抗网络的理论研究与应用不断获得成功,已经成为当前深度学习领域研究的热点之一。对生成对抗网络理论及其应用从模型的类型、评价标准和理论研究进展等方面进行系统的综述：分别分析基于显式密度和基于隐式密度的生成模型的优缺点;总结生成对抗网络的评价标准,解读各标准之间的关系,并从应用层面介绍生成对抗网络在图像及其他领域中的研究进展,即通过图像转换、图像生成、图像修复、视频生成、文本生成及图像超分辨率等的应用;从模型的结构表示、训练控制、性能稳定以及评价标准等角度分析生成对抗网络的理论研究进展。研究讨论生成对抗网络的挑战,展望未来可能存在的发展方向。     

序列生成对抗网络在推荐系统中的应用

推荐系统旨在根据用户的历史行为数据发现该用户可能感兴趣的新项目,并产生相应的推荐。当前大部分的推荐系统多根据用户的历史行为数据,挖掘相似用户,并从相似用户的历史数据中选出彼此历史数据中未出现的新项目;或者根据用户感兴趣的历史项目匹配相似的新项目,从而实现推荐。但这些推荐方式对原始数据有着较强的依赖关系,且难以发觉不同项目之间隐含的序列关系。因此提出一种融合Item2vec和生成对抗网络（Generative Adversarial Networks,GAN）方法的推荐算法,可以学习得到项目间难以表达的关系;挖掘用户历史数据中的序列关系,学习用户兴趣偏好的真实分布;实现用户兴趣偏好的预测。实验发现该推荐算法具有较好的表现。     

基于结构嵌入的图像修复方法研究

针对当前图像修复领域存在结构丢失、纹理模糊、不能够充分利用背景信息生成内容风格一致的填充区域的问题,在编码解码网络基础上,提出带有多尺度结构信息与注意力机制的共享修复模型。在生成阶段,嵌入多尺度结构信息为图像修复提供前提条件。同时使用多尺度注意力机制,从背景信息中获取相关信息,并经过细化,生成与图像相关的内容和结构;使用PatchGAN和固定权重VGG-16分类器作为鉴别器,并将风格损失和感知损失引入到对抗网络中,以实现所生成图像的风格一致性。在Places2数据集上与当前主流的图像修复算法进行对比,实验结果表明该算法与其他算法相比能较好地恢复图像结构的细节信息,生成更清晰、精细的修复结果。     

一种基于增强现实的虚拟眼镜试戴的方法

选用单目的 CCD(Charge-coupled device)摄像头作为输入传感器,提出了一种基于标识物特征与人脸特征共同作用的增强现实技术设计并实现了一个虚拟眼镜试戴系统。通过单目摄像头采集现实场景的信息,对采集的图像进行分析,识别,并跟踪标识物与人脸特征,使虚拟眼镜模型可以准确地叠加在人脸之上,从而实现虚拟眼镜的试戴。实验证明,该方法可以准确地识别标识物,快速完成虚拟眼镜的试戴,为眼镜试戴技术提供了新的思路。     

考场环境下考生视线估计方法

考生异常行为的监测容易使监考人员产生视觉疲劳.借鉴监考人员发现异常的过程,提出一种可用于考场异常行为分析的视线估计模型.为了减少图像中视线的信息损失,采用注视向量表示视线的大小和方向.该模型分为生成器、视线合成模块、鉴别器,先将考生头部图像输入生成器生成注视向量,再将头部位置和注视位置输入到合成模块得到真实注视向量.将...     

生成对抗网络及其图像处理应用研究进展

生成对抗网络(GAN)是一种基于对抗思想的架构体系.作为人工智能大发展背景下诞生的前沿算法,GAN已经在图像处理的多个领域取得了显著的成果.从传统GAN的算法入手,对其模型架构、数学机理、优缺点进行剖析.总结了具有代表性的GAN变体,并对GAN在图像处理方面的前沿应用进行介绍.结合现有GAN发展依然存在的问题,对GAN...