본 연구는 가상 착용 기술의 한계인 의복 유형 변경 문제를 해결하기 위해 제안되었다. 기존 가상 착용 방식은 착용 영역을 원래 의복에 맞추어 변형하여 의복 유형이 변경되는 문제가 있었다.
이를 해결하기 위해 본 연구는 착용 영역과 원래 의복의 상관관계를 끊는 적응형 마스크 학습 기법을 제안하였다. 이 기법은 학습 데이터의 착용 스타일을 분석하여 마스크를 동적으로 조정함으로써, 모델이 의복 유형을 정확하게 학습할 수 있도록 한다.
또한 기존 평가 지표의 한계를 극복하기 위해 의복 유형과 질감을 평가할 수 있는 새로운 지표인 SDR(Semantic-Densepose-Ratio)과 S-LPIPS(Skeleton-LPIPS)를 제안하였다. 이를 통해 다양한 의복 유형과 착용 상황을 포함하는 Cross-27 벤치마크를 구축하였다.
실험 결과, 제안 기법은 의복 유형을 효과적으로 보존하며 자연스러운 가상 착용 결과를 생성하였다. 또한 새로운 평가 지표와 벤치마크를 통해 가상 착용 기술의 발전에 기여하였다.
Til et annet språk
fra kildeinnhold
arxiv.org
Viktige innsikter hentet fra
by Xuanpu Zhang... klokken arxiv.org 03-14-2024
https://arxiv.org/pdf/2403.08453.pdfDypere Spørsmål