Los investigadores del Laboratorio de Investigación de Ciencia de Datos y Medios de Adobe, IIT & IIIT Hyderabad y la Universidad de Stanford han desarrollado un sistema que tiene como objetivo ayudar a los compradores a probar virtualmente una prenda de vestir en cualquier imagen de modelo
Apodado SieveNet, el marco es capaz de recrear la nueva indumentaria en la forma y pose del cuerpo del modelo al tiempo que preserva las características de la tela, incluidos los elementos de diseño diminutos como los pliegues.
Hay dos etapas principales en este enfoque: deformar la imagen del producto , transferir la textura deformada al cuerpo del modelo . Para lograr esto, los investigadores hacen uso de una "red de deformación gruesa a fina de varias etapas" entrenada para identificar aspectos únicos de la tela usando una máscara de segmentación condicional antes de que se transfiera al cuerpo del modelo.
A diferencia de las metodologías de prueba virtual existentes, los investigadores afirman que su técnica no sufre disfunciones visuales causadas por sangrado de textura y deformación incorrecta.
Los investigadores entrenaron a SieveNet en un rico conjunto de datos que consta de aproximadamente 19,000 imágenes de modelos femeninos frontales e imágenes de productos. Ejecutaron su modelo en una PC con 16 GB de RAM y cuatro tarjetas gráficas Nvidia 1080Ti. Las imágenes se reorganizaron para realizar pruebas cualitativas y cuantitativas.
A partir de las pruebas cualitativas y cuantitativas, los investigadores encontraron que sus sistemas producían mejores resultados que las metodologías existentes en varios aspectos, incluido el manejo de la oclusión, la deformación geométrica, la variación en las posturas, evitar el sangrado, preservar la región no afectada y mantener la calidad de la imagen.
Los investigadores sugieren integrar SeiveNet en sitios web de compras en línea. "[SeiveNet] es especialmente importante para el comercio de moda en línea porque compensa la falta de una experiencia física directa de compras en la tienda", escribieron los investigadores.
Fecha actualización el 2021-01-27. Fecha publicación el 2020-01-27. Categoría: Gamer Autor: Oscar olg Mapa del sitio Fuente: beebom Version movil