客户的RGB图像。图源：Tiwari和Bhowmick。
近年来，一些计算机科学家一直在探索深度学习技术的潜力，为3D数字版本的人类穿上虚拟服装。这些技术的应用将会造福很多领域，特别是在网上购物、游戏和3D内容生成方面。
印度塔塔研究中心(TCS Research）的两名研究人员最近发明了一种深度学习技术，可以预测衣服和特定体型的匹配度，从而预测不同的衣服穿在不同的顾客身上会是什么样子。这项技术已被证明优于其他现有的虚拟人体服装技术。
研究人员Brojeshwar Bhowmick在接受采访时表示:“网上购物可以让消费者在舒适的家中购买各种各样的产品，而不必去实体店。然而，它不能让买家亲自试穿衣服，这导致了高退/换货率。虚拟试穿的技术有助于解决这一问题。”
虚拟试穿工具可以让买家在自己的3D数字版本化身上看到自己穿上衣服之后的样子。潜在买家可以从不同的位置、角度看到衣服的褶皱、以及在3D渲染的图像/视频中化身和衣服之间的缝隙，从而推断出他/她想购买的衣服是否合身。
这一领域之前的技术由于没有考虑到潜在的人体测量数据，它的视觉预测并不准确。而且内存占用非常大，这限制了它在计算能力较低的实时应用程序中的使用。
Bhowmick和同事们的目标是创建一个轻量级的系统，该系统考虑人体的尺寸，并将3D服装覆盖在特定尺寸的人体化身上。理想情况下，他们希望这个系统需要低内存，这样它就可以在在线服装网站上实时运行。
上图中同一客户的3D机身，来自RGB图像。图源：Tiwari和Bhowmick。
Bhowmick说:“DeepDraper是一款基于深度学习的服装悬垂系统，顾客可以通过虚拟方式将数字衣橱里的衣服试穿到自己的身体上。它会把顾客的一张照片或一小段视频，以及卖家提供的数字衣橱里的某件衣服作为输入信号。”
最初，DeepDraper会分析用户的图像或视频，以估计他/她的3D体型、姿势和身体尺寸。随后，它将自己的估计结果反馈给一个下垂的神经网络，将其应用到一个虚拟角色上，预测一件衣服穿在该用户身上会是什么样子。
用白T和粉裤子覆盖了的3D人体化身。图源：Tiwari和Bhowmick。
Bhowmick说:“DeepDraper的另一个重要特点是速度非常快，手机或平板电脑等低端设备即可支持。与竞争对手Tailornet相比，DeepDraper的速度快了近23倍，内存占用小了近10倍。”
未来，这个研究团队创造的虚拟服装悬垂技术可以让服装公司和时尚公司改善他们的用户网购体验，并且能让潜在买家在购买前更好地了解衣服的上身效果，从而减少退款或换货的要求。此外，DeepDraper还可以被游戏开发者或3D媒体内容创造者使用，从而更有效、真实地装扮角色。
“在接下来的研究中，我们计划将DeepDraper扩展到其他具有挑战性的、宽松的、多层的服装上，比如连衣裙、长袍、带夹克的T恤等。目前，DeepDraper将这种服装挂在静止的人体上，但我们希望最终能实现将这种服装挂在移动的人体上并使之动画化。”Bhowmick说。
微信扫一扫 