CN111787242A - 用于虚拟试衣的方法和装置 - Google Patents

用于虚拟试衣的方法和装置 Download PDF

Info

Publication number
CN111787242A
CN111787242A CN201910645913.1A CN201910645913A CN111787242A CN 111787242 A CN111787242 A CN 111787242A CN 201910645913 A CN201910645913 A CN 201910645913A CN 111787242 A CN111787242 A CN 111787242A
Authority
CN
China
Prior art keywords
picture
user
image
sample image
network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910645913.1A
Other languages
English (en)
Other versions
CN111787242B (zh
Inventor
朱俊伟
佘志东
张震涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201910645913.1A priority Critical patent/CN111787242B/zh
Priority to US17/622,266 priority patent/US11935167B2/en
Priority to EP20840102.6A priority patent/EP3972239A4/en
Priority to PCT/CN2020/081322 priority patent/WO2021008166A1/zh
Publication of CN111787242A publication Critical patent/CN111787242A/zh
Application granted granted Critical
Publication of CN111787242B publication Critical patent/CN111787242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/272—Means for inserting a foreground image in a background image, i.e. inlay, outlay
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0621—Item configuration or customization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/265—Mixing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/16—Cloth
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/272—Means for inserting a foreground image in a background image, i.e. inlay, outlay
    • H04N2005/2726—Means for inserting a foreground image in a background image, i.e. inlay, outlay for simulating a person's appearance, e.g. hair style, glasses, clothes

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Finance (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本公开的实施例公开了用于虚拟试衣的方法和装置。该方法的一具体实施方式包括：接收包括模特图片和用户照片的试衣请求；分别对模特图片和用户照片进行人体定位和表面坐标分析；分别对模特图片和用户照片进行服饰分割；基于服饰分割结果和表面坐标分析结果，将模特图片的服饰对应的像素覆盖到用户照片中对应的位置，得到合成照片和待补全信息；将合成照片、用户照片的定位结果和待补全信息输入到预先训练的图像补全网络，得到补全图像。该实施方式实现基于2D图像的照片级虚拟试衣，降低了成本并且具有支持任意图像分辨率和人体细节表现更好的优势。

Description

用于虚拟试衣的方法和装置
技术领域
本公开的实施例涉及计算机技术领域，具体涉及用于虚拟试衣的方法和装置。
背景技术
在电商领域，用户购买服饰一般只能看到卖家秀，无法知道自己穿搭的实际模样。这极大的影响了用户体验，并且也会带来很多实际问题，比如因与预期不符导致的买家退换货等。于是虚拟试衣技术受到了重视，借助此技术，用户可以方便地查看自己便装的效果，除了用于电商的虚拟试衣间，此技术还可以为图像编辑软件服务，或者用作娱乐技术。
现阶段虚拟试衣主要有2大实现方式：基于3D建模和基于2D图像的虚拟试衣。3D虚拟试衣需要采集人体和服饰的3D信息，然后根据目标人进行贴片合成，可以实现任意角度的展示，但是通常设备成本昂贵并且效果和日常照片有差距。采集人体和服饰的3D信息通常成本较高且较为繁琐。近些年兴起的基于2D图像的虚拟试衣，利用纯图像进行目标图像合成。但是此类技术目前普遍都在较小的图像分辨率上做实验，暂时无法实用。目前基于2D图像的虚拟试衣的生成技术通常在人手等细节上表现较差。
发明内容
本公开的实施例提出了用于虚拟试衣的方法和装置。
第一方面，本公开的实施例提供了一种用于虚拟试衣的方法，包括：接收包括模特图片和用户照片的试衣请求；分别对模特图片和用户照片进行人体定位和表面坐标分析；分别对模特图片和用户照片进行服饰分割；基于服饰分割结果和表面坐标分析结果，将模特图片的服饰对应的像素覆盖到用户照片中对应的位置，得到合成照片和待补全信息；将合成照片、用户照片的定位结果和待补全信息输入到预先训练的图像补全网络，得到补全图像。
在一些实施例中，该方法还包括：将用户照片的服饰分析结果与补全图像进行融合，得到融合图像。
在一些实施例中，该方法还包括：根据用户照片的人体定位结果将融合图像嵌入原始的用户照片输出。
在一些实施例中，试衣请求还包括目标服饰类型，在将模特图片的服饰对应的像素覆盖到用户照片中对应的位置之前，该方法还包括：根据目标服饰类型和用户照片的人体定位结果确定用户照片中的被擦除区域；根据被擦除区域将用户照片中可能被目标服饰覆盖的部位擦除。
在一些实施例中，图像补全网络通过如下步骤训练：获取样本图像集；对于样本图像集中的样本图像，将该样本图像中服饰可能覆盖的部位进行随机擦除，得到该样本图像的待补全信息；对于样本图像集中的样本图像，将该样本图像进行人体定位分析，得到该样本图像的姿态信息；将样本图像集中的样本图像擦除后的图像、待补全信息和姿态信息作为输入，将擦除前的样本图像作为期望输出，进行机器学习训练，得到图像补全网络。
在一些实施例中，图像补全网络包括生成网络和判别网络，生成网络包括门控卷积层、残差块、自注意力层、反卷积层，判别网络包括谱归一化卷积层。
第二方面，本公开的实施例提供了一种用于虚拟试衣的装置，包括：接收单元，被配置成接收包括模特图片和用户照片的试衣请求；定位单元，被配置成分别对模特图片和用户照片进行人体定位和表面坐标分析；分割单元，被配置成分别对模特图片和用户照片进行服饰分割；合成单元，被配置成基于服饰分割结果和表面坐标分析结果，将模特图片的服饰对应的像素覆盖到用户照片中对应的位置，得到合成照片和待补全信息；补全单元，被配置成将合成照片、用户照片的定位结果和待补全信息输入到预先训练的图像补全网络，得到补全图像。
在一些实施例中，该装置还包括融合单元，被配置成：将用户照片的服饰分析结果与补全图像进行融合，得到融合图像。
在一些实施例中，该装置还包括输出单元，被配置成：根据用户照片的人体定位结果将融合图像嵌入原始的用户照片输出。
在一些实施例中，试衣请求还包括目标服饰类型，装置还包括擦除单元，被配置成：在将模特图片的服饰对应的像素覆盖到用户照片中对应的位置之前，根据目标服饰类型和用户照片的人体定位结果确定用户照片中的被擦除区域；根据被擦除区域将用户照片中可能被目标服饰覆盖的部位擦除。
在一些实施例中，装置还包括训练单元，被配置成：获取样本图像集；对于样本图像集中的样本图像，将该样本图像中服饰可能覆盖的部位进行随机擦除，得到该样本图像的待补全信息；对于样本图像集中的样本图像，将该样本图像进行人体定位分析，得到该样本图像的姿态信息；将样本图像集中的样本图像擦除后的图像、待补全信息和姿态信息作为输入，将擦除前的样本图像作为期望输出，进行机器学习训练，得到图像补全网络。
在一些实施例中，图像补全网络包括生成网络和判别网络，生成网络包括门控卷积层、残差块、自注意力层、反卷积层，判别网络包括谱归一化卷积层。
第三方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。
第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。
本公开的实施例提供的用于虚拟试衣的方法和装置，基于2D图像的照片级虚拟试衣，相比3D虚拟试衣技术，具有成本低、流程简洁、服饰覆盖面广、生成图像更符合日常照片的感觉的优势；相比目前的2D虚拟试衣技术，具有支持任意图像分辨率和人体细节表现更好的优势。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的用于虚拟试衣的方法的一个实施例的流程图；
图3a、3b是根据本公开的用于虚拟试衣的方法的一个应用场景的示意图；
图4是根据本公开的用于虚拟试衣的方法的训练图像补全网络的方法的流程图；
图5是根据本公开的图像补全网络的网络结构示意图；
图6是根据本公开的用于虚拟试衣的装置的一个实施例的结构示意图；
图7是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本申请的用于虚拟试衣的方法或用于虚拟试衣的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如虚拟试衣应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的虚拟试衣页面提供支持的后台虚拟试衣服务器。后台虚拟试衣服务器可以对接收到的试衣请求等数据进行分析等处理，并将处理结果(例如虚拟试衣效果图)反馈给终端设备。
需要说明的是，本申请实施例所提供的用于虚拟试衣的方法一般由服务器105执行，相应地，用于虚拟试衣的装置一般设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本公开的用于虚拟试衣的方法的一个实施例的流程200。该用于虚拟试衣的方法，包括以下步骤：
步骤201，接收包括模特图片和用户照片的试衣请求。
在本实施例中，用于虚拟试衣的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其进行虚拟试衣的终端接收试衣请求，其中，上述试衣请求包括了模特图片和用户照片。选择用户自己的照片(或者视频，视频会逐帧按照片的流程处理)记为Image1，同时选择希望试穿服饰对应的模特图片记为Image2。
步骤202，分别对模特图片和用户照片进行人体定位和表面坐标分析。
在本实施例中，对上一步的图片进行人体的定位和表面坐标分析，分别得到模特图片的人体定位结果和表面坐标，以及用户照片的人体定位结果和表面坐标。通过人体定位结果可以判断出用户的身体姿态，例如，右臂弯曲掐腰，左臂下垂等。这里采用的是densepose算法，算法将人体分成24个部分，每个部分都有对应的UV坐标，这些坐标信息可以用于进行表面纹理的转移。如图3b所示。还可采用其它的算法进行人体定位和表面坐标分析。也可按需求将人体分成更多的部分，从而体现更多的细节。
步骤203，分别对模特图片和用户照片进行服饰分割。
在本实施例中，分别对模特图中的感兴趣模特和用户照片中的待试衣人进行服饰分割，可采用CE2P算法。为了适应试衣任务，我们将二维人体图像分为19类：帽子、手套、眼镜、上衣、连衣裙、外套、袜子、裤子、围巾、裙子、左边鞋子、右边鞋子、头发、脸、脖子、左手、右手、左腿、右腿，其他的像素均归为背景类。算法分出了许多服饰类以方便选择不同的服饰进行转移，同时还包括人体皮肤的露出部位，这部分人体部位的像素分割有助于还原用户照片的人体细节。
步骤204，基于服饰分割结果和表面坐标分析结果，将模特图片的服饰对应的像素覆盖到用户照片中对应的位置，得到合成照片和待补全信息。
在本实施例中，选择服饰进行纹理转移，在模特图片中选择对应服饰的分割结果(CE2P算法得到)，然后结合densepose算法分析得到的表面坐标信息，将这部分服饰对应的像素覆盖到用户照片中对应的位置。同时，由于模特图片和用户照片中任务姿态通常不同，原模特图片和用户照片中原始的着装也不一定相同(比如一个短袖，一个长袖)，两幅图像中人物在2D图像中露出的部位也不尽相同，因此服饰纹理的转移必然无法完全对应，为了使最后的合成图尽量真实，在此步骤之前，我们需要将用户照片中对应服饰的像素擦除，同时将有可能被新服饰覆盖的部位也擦除(比如换上衣时，会将用户找中人物露出的手臂擦除)。从模特图片中迁移的纹理不足以覆盖所有被擦除的像素点，则会出现缺损区域，从而得到待补全信息。
在本实施例的一些可选的实现方式中，试衣请求还包括目标服饰类型，在将模特图片的服饰对应的像素覆盖到用户照片中对应的位置之前，该方法还包括：根据目标服饰类型和用户照片的人体定位结果确定用户照片中的被擦除区域；根据被擦除区域将用户照片中可能被目标服饰覆盖的部位擦除。例如，换上衣时被擦除区域为用户照片的上半身，擦除用户照片的上半身后将模特图片中的上衣进行纹理转移。已经转移的图像不一定完整，可根据定位信息、擦除区域等信息确定用户照片缺损的像素点，这些缺损的像素点构成了mask，用来标记用户照片的哪些位置需要补全。
步骤205，将合成照片、用户照片的定位结果和待补全信息输入到预先训练的图像补全网络，得到补全图像。
在本实施例中，上一步纹理转移后的图像是不完整的，为了保持一致性，用户原始照片中的一些部位被擦除了，同时纹理转移又未能完全填充，这个时候得到的图像通常如图3a所示。将此不完整的图像和对应的mask输入预先训练的图像补全网络，得到补全图像。图像补全网络可采用现有的生成式对抗网络，例如inpainting。
在本实施例的一些可选的实现方式中，该方法还包括：将用户照片的服饰分析结果与补全图像进行融合，得到融合图像。由于图像补全网络的生成器本身的能力限制，在补全服饰和四肢的同时，很难同时将人脸、手指等细节复杂的人体部位还原，因此最后融合的时候，会考虑CE2P算法分割的结果，将脸、头发、手指等细节从原图中抠出融合，这样能得到逼真的照片。
在本实施例的一些可选的实现方式中，该方法还包括：结合原始用户照片中人体定位的信息，将上一步得到的融合图像嵌入原始照片输出。
图3a、3b是根据本实施例的用于虚拟试衣的方法的应用场景的一个示意图。如图3a所示，模特图片和用户照片分别结过定位、表面坐标分析(如图3b所示)、服饰分割后将模特图片的服饰纹理转移到用户照片上，然后再经过图像补全、融合后得到试衣效果图。
本公开的上述实施例提供的方法，通过结合最先进的densepose算法和CE2P算法，实现基于2D图像的照片级虚拟试衣，具有成本低适用范围广的特点。同时结合自研的针对人体的补全算法，可以处理任意分辨率的图像。本方案可以应用于电商网站的虚拟试衣间，不需要事先采集服饰数据就可以让用户体验，也可以应用于照片编辑软件或者仅仅作为娱乐，具有较强的实用价值。
进一步参考图4，其示出了训练图像补全网络的方法的流程400。该训练图像补全网络的方法的流程400，包括以下步骤：
步骤401，获取样本图像集。
在本实施例中，为了训练一个针对人物照的图像补全网络，可专门爬取大量电商网站的模特图作为样本图像集。图像补全网络总体遵循GAN(Generative AdversarialNetworks，生成式对抗网络)的框架，生成网络和鉴别网络的结构如图5所示，均为全卷积结构，支持任意分辨率，同时为了支持批量训练，训练时所有的样本图像被随机裁剪成384x384像素的方块输入。
步骤402，对于样本图像集中的样本图像，将该样本图像中服饰可能覆盖的部位进行随机擦除，得到该样本图像的待补全信息。
在本实施例中，对服饰可能覆盖的部位进行随机擦除，生成mask。
步骤403，对于样本图像集中的样本图像，将该样本图像进行人体定位分析，得到该样本图像的姿态信息。
在本实施例中，将该样本图像进行人体定位分析，例如采用步骤202的densepose算法，得到该样本图像的姿态信息，然后将解析出的人体姿态作为输入指导人体生成。
步骤404，将样本图像集中的样本图像擦除后的图像、待补全信息和姿态信息作为输入，将擦除前的样本图像作为期望输出，进行机器学习训练，得到图像补全网络。
在本实施例中，图像补全网络可采用图5所示的结构。训练过程如下所示：从样本图像集中选取样本图像，然后执行训练步骤：
1、将选取的样本图像擦除后的图像、待补全信息和姿态信息输入初始图像补全网络，得到实际输出的图像。
2、根据实际输出的图像和期望输出的擦除前的样本图像确定损失值。
3、将总损失值与目标值进行比较，根据比较结果确定初始图像补全网络是否训练完成。
4、若初始图像补全网络训练完成，将初始图像补全网络作为图像补全网络。
5、或初始图像补全网络未训练完成，调整初始图像补全网络中的相关参数，以及从所述样本图像集中重新选取样本图像，使用调整后的初始图像补全网络作为初始图像补全网络，继续执行上述训练步骤1-5。
在本实施例的一些可选的实现方式中，图像补全网络包括生成网络和判别网络，生成网络包括门控卷积层(gated convolution)、残差块(residual block)、自注意力层(self attention)、反卷积层(transposed convolution)，所述判别网络包括谱归一化卷积层(spectral normalization convolution)。
进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种用于虚拟试衣的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的用于虚拟试衣的装置600包括：接收单元601、定位单元602、分割单元603、合成单元604和补全单元605。其中，接收单元601，被配置成接收包括模特图片和用户照片的试衣请求；定位单元602，被配置成分别对模特图片和用户照片进行人体定位和表面坐标分析；分割单元603，被配置成分别对模特图片和用户照片进行服饰分割；合成单元604，被配置成基于服饰分割结果和表面坐标分析结果，将模特图片的服饰对应的像素覆盖到用户照片中对应的位置，得到合成照片和待补全信息；补全单元605，被配置成将合成照片、用户照片的定位结果和待补全信息输入到预先训练的图像补全网络，得到补全图像。
在本实施例中，用于虚拟试衣的装置600的接收单元601、定位单元602、分割单元603、合成单元604和补全单元605的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205。
在本实施例的一些可选的实现方式中，装置600还包括融合单元(附图中未示出)，被配置成：将用户照片的服饰分析结果与补全图像进行融合，得到融合图像。
在本实施例的一些可选的实现方式中，装置600还包括输出单元(附图中未示出)，被配置成：根据用户照片的人体定位结果将融合图像嵌入原始的用户照片输出。
在本实施例的一些可选的实现方式中，试衣请求还包括目标服饰类型，装置600还包括擦除单元(附图中未示出)，被配置成：在将模特图片的服饰对应的像素覆盖到用户照片中对应的位置之前，根据目标服饰类型和用户照片的人体定位结果确定用户照片中的被擦除区域；根据被擦除区域将用户照片中可能被目标服饰覆盖的部位擦除。
在本实施例的一些可选的实现方式中，装置600还包括训练单元(附图中未示出)，被配置成：获取样本图像集；对于样本图像集中的样本图像，将该样本图像中服饰可能覆盖的部位进行随机擦除，得到该样本图像的待补全信息；对于样本图像集中的样本图像，将该样本图像进行人体定位分析，得到该样本图像的姿态信息；将样本图像集中的样本图像擦除后的图像、待补全信息和姿态信息作为输入，将擦除前的样本图像作为期望输出，进行机器学习训练，得到图像补全网络。
在本实施例的一些可选的实现方式中，图像补全网络包括生成网络和判别网络，生成网络包括门控卷积层、残差块、自注意力层、反卷积层，判别网络包括谱归一化卷积层。
下面参考图7，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)700的结构示意图。图7示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括模特图片和用户照片的试衣请求；分别对模特图片和用户照片进行人体定位和表面坐标分析；分别对模特图片和用户照片进行服饰分割；基于服饰分割结果和表面坐标分析结果，将模特图片的服饰对应的像素覆盖到用户照片中对应的位置，得到合成照片和待补全信息；将合成照片、用户照片的定位结果和待补全信息输入到预先训练的图像补全网络，得到补全图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括接收单元、定位单元、分割单元、合成单元和补全单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，接收单元还可以被描述为“接收包括模特图片和用户照片的试衣请求的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于虚拟试衣的方法，包括：
接收包括模特图片和用户照片的试衣请求；
分别对所述模特图片和所述用户照片进行人体定位和表面坐标分析；
分别对所述模特图片和所述用户照片进行服饰分割；
基于服饰分割结果和表面坐标分析结果，将所述模特图片的服饰对应的像素覆盖到所述用户照片中对应的位置，得到合成照片和待补全信息；
将所述合成照片、所述用户照片的定位结果和所述待补全信息输入到预先训练的图像补全网络，得到补全图像。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述用户照片的服饰分析结果与所述补全图像进行融合，得到融合图像。
3.根据权利要求2所述的方法，其中，所述方法还包括：
根据所述用户照片的人体定位结果将所述融合图像嵌入原始的用户照片输出。
4.根据权利要求1所述的方法，其中，所述试衣请求还包括目标服饰类型，在所述将所述模特图片的服饰对应的像素覆盖到所述用户照片中对应的位置之前，所述方法还包括：
根据所述目标服饰类型和所述用户照片的人体定位结果确定所述用户照片中的被擦除区域；
根据所述被擦除区域将所述用户照片中可能被目标服饰覆盖的部位擦除。
5.根据权利要求1-4之一所述的方法，其中，所述图像补全网络通过如下步骤训练：
获取样本图像集；
对于所述样本图像集中的样本图像，将该样本图像中服饰可能覆盖的部位进行随机擦除，得到该样本图像的待补全信息；
对于所述样本图像集中的样本图像，将该样本图像进行人体定位分析，得到该样本图像的姿态信息；
将所述样本图像集中的样本图像擦除后的图像、待补全信息和姿态信息作为输入，将擦除前的样本图像作为期望输出，进行机器学习训练，得到图像补全网络。
6.根据权利要求5所述的方法，其中，所述图像补全网络包括生成网络和判别网络，所述生成网络包括门控卷积层、残差块、自注意力层、反卷积层，所述判别网络包括谱归一化卷积层。
7.一种用于虚拟试衣的装置，包括：
接收单元，被配置成接收包括模特图片和用户照片的试衣请求；
定位单元，被配置成分别对所述模特图片和所述用户照片进行人体定位和表面坐标分析；
分割单元，被配置成分别对所述模特图片和所述用户照片进行服饰分割；
合成单元，被配置成基于服饰分割结果和表面坐标分析结果，将所述模特图片的服饰对应的像素覆盖到所述用户照片中对应的位置，得到合成照片和待补全信息；
补全单元，被配置成将所述合成照片、所述用户照片的定位结果和所述待补全信息输入到预先训练的图像补全网络，得到补全图像。
8.根据权利要求7所述的装置，其中，所述装置还包括融合单元，被配置成：
将所述用户照片的服饰分析结果与所述补全图像进行融合，得到融合图像。
9.根据权利要求8所述的装置，其中，所述装置还包括输出单元，被配置成：
根据所述用户照片的人体定位结果将所述融合图像嵌入原始的用户照片输出。
10.根据权利要求7所述的装置，其中，所述试衣请求还包括目标服饰类型，所述装置还包括擦除单元，被配置成：
在所述将所述模特图片的服饰对应的像素覆盖到所述用户照片中对应的位置之前，根据所述目标服饰类型和所述用户照片的人体定位结果确定所述用户照片中的被擦除区域；
根据所述被擦除区域将所述用户照片中可能被目标服饰覆盖的部位擦除。
11.根据权利要求7-10之一所述的装置，其中，所述装置还包括训练单元，被配置成：
获取样本图像集；
对于所述样本图像集中的样本图像，将该样本图像中服饰可能覆盖的部位进行随机擦除，得到该样本图像的待补全信息；
对于所述样本图像集中的样本图像，将该样本图像进行人体定位分析，得到该样本图像的姿态信息；
将所述样本图像集中的样本图像擦除后的图像、待补全信息和姿态信息作为输入，将擦除前的样本图像作为期望输出，进行机器学习训练，得到图像补全网络。
12.根据权利要求11所述的装置，其中，所述图像补全网络包括生成网络和判别网络，所述生成网络包括门控卷积层、残差块、自注意力层、反卷积层，所述判别网络包括谱归一化卷积层。
13.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN201910645913.1A 2019-07-17 2019-07-17 用于虚拟试衣的方法和装置 Active CN111787242B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910645913.1A CN111787242B (zh) 2019-07-17 2019-07-17 用于虚拟试衣的方法和装置
US17/622,266 US11935167B2 (en) 2019-07-17 2020-03-26 Method and apparatus for virtual fitting
EP20840102.6A EP3972239A4 (en) 2019-07-17 2020-03-26 VIRTUAL TESTING METHOD AND APPARATUS
PCT/CN2020/081322 WO2021008166A1 (zh) 2019-07-17 2020-03-26 用于虚拟试衣的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910645913.1A CN111787242B (zh) 2019-07-17 2019-07-17 用于虚拟试衣的方法和装置

Publications (2)

Publication Number Publication Date
CN111787242A true CN111787242A (zh) 2020-10-16
CN111787242B CN111787242B (zh) 2021-12-07

Family

ID=72755572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910645913.1A Active CN111787242B (zh) 2019-07-17 2019-07-17 用于虚拟试衣的方法和装置

Country Status (4)

Country Link
US (1) US11935167B2 (zh)
EP (1) EP3972239A4 (zh)
CN (1) CN111787242B (zh)
WO (1) WO2021008166A1 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112232914A (zh) * 2020-10-19 2021-01-15 武汉纺织大学 基于2d图像的四阶段虚拟试衣方法及装置
CN112330580A (zh) * 2020-10-30 2021-02-05 北京百度网讯科技有限公司 生成人体衣物融合图像的方法、装置、计算设备、介质
CN112598806A (zh) * 2020-12-28 2021-04-02 深延科技(北京)有限公司 基于人工智能的虚拟试穿方法、装置、计算机设备及介质
CN114170250A (zh) * 2022-02-14 2022-03-11 阿里巴巴达摩院(杭州)科技有限公司 图像处理方法、装置和电子设备
CN114565505A (zh) * 2022-01-17 2022-05-31 北京新氧科技有限公司 基于虚拟换装的服装变形方法、装置、设备及存储介质
CN114565521A (zh) * 2022-01-17 2022-05-31 北京新氧科技有限公司 基于虚拟换装的图像修复方法、装置、设备及存储介质
CN114565508A (zh) * 2022-01-17 2022-05-31 北京新氧科技有限公司 虚拟换装方法及装置
CN114663552A (zh) * 2022-05-25 2022-06-24 武汉纺织大学 一种基于2d图像的虚拟试衣方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11830106B2 (en) * 2021-11-19 2023-11-28 Lemon Inc. Procedural pattern generation for layered two-dimensional augmented reality effects
CN114724004B (zh) * 2022-03-16 2024-04-26 深圳数联天下智能科技有限公司 训练试衣模型的方法、生成试衣图像的方法及相关装置
CN114913388B (zh) * 2022-04-24 2024-05-31 深圳数联天下智能科技有限公司 训练试衣模型的方法、生成试衣图像的方法及相关装置

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509349A (zh) * 2011-09-27 2012-06-20 深圳市朵唯志远科技有限公司 基于移动终端的试衣方法、装置及移动终端
CN107403351A (zh) * 2016-05-18 2017-11-28 李辉 一种用于电商平台的商品展示方法及其配套软件、设备
US20170352092A1 (en) * 2015-08-07 2017-12-07 SelfieStyler, Inc. Virtual garment carousel
CN107578305A (zh) * 2017-08-17 2018-01-12 上海展扬通信技术有限公司 一种基于智能终端的试衣方法及试衣系统
CN107622428A (zh) * 2016-07-14 2018-01-23 幸福在线（北京）网络技术有限公司 一种实现虚拟试穿的方法及装置
CN107798713A (zh) * 2017-09-04 2018-03-13 昆明理工大学 一种面向二维虚拟试穿的图像变形方法
EP3332547A1 (en) * 2015-08-07 2018-06-13 SelfieStyler Inc. Virtual apparel fitting systems and methods
CN108510594A (zh) * 2018-02-27 2018-09-07 吉林省行氏动漫科技有限公司 虚拟试衣方法、装置及终端设备
CN108765295A (zh) * 2018-06-12 2018-11-06 腾讯科技（深圳）有限公司 图像处理方法、图像处理装置及存储介质
CN108876936A (zh) * 2018-07-27 2018-11-23 京东方科技集团股份有限公司 虚拟显示方法、装置、电子设备及计算机可读存储介质
CN109345337A (zh) * 2018-09-14 2019-02-15 广州多维魔镜高新科技有限公司 一种网购试穿戴方法、虚拟试衣镜、系统及存储介质
CN109559287A (zh) * 2018-11-20 2019-04-02 北京工业大学 一种基于DenseNet生成对抗网络的语义图像修复方法
CN109740529A (zh) * 2018-12-29 2019-05-10 广州二元科技有限公司 一种基于神经网络绘图的虚拟试衣方法
CN109801380A (zh) * 2018-12-14 2019-05-24 深圳壹账通智能科技有限公司 一种虚拟试衣的方法、装置、存储介质及计算机设备
CN109934935A (zh) * 2018-01-15 2019-06-25 深圳市云之梦科技有限公司 一种服装与人体图像穿帮、匹配迁移的方法与系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003085411A (ja) 2001-09-11 2003-03-20 Minolta Co Ltd 画像入出力装置
CN102982581B (zh) 2011-09-05 2017-04-05 北京三星通信技术研究有限公司 基于图像的虚拟试穿系统和方法
CN108734787A (zh) 2018-05-11 2018-11-02 广州二元科技有限公司 一种基于多姿态和部位分解的图片合成虚拟试衣方法
CN108932693B (zh) 2018-06-15 2020-09-22 中国科学院自动化研究所 基于人脸几何信息的人脸编辑补全方法及装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509349A (zh) * 2011-09-27 2012-06-20 深圳市朵唯志远科技有限公司 基于移动终端的试衣方法、装置及移动终端
EP3332547A1 (en) * 2015-08-07 2018-06-13 SelfieStyler Inc. Virtual apparel fitting systems and methods
US20170352092A1 (en) * 2015-08-07 2017-12-07 SelfieStyler, Inc. Virtual garment carousel
CN107403351A (zh) * 2016-05-18 2017-11-28 李辉 一种用于电商平台的商品展示方法及其配套软件、设备
CN107622428A (zh) * 2016-07-14 2018-01-23 幸福在线（北京）网络技术有限公司 一种实现虚拟试穿的方法及装置
CN107578305A (zh) * 2017-08-17 2018-01-12 上海展扬通信技术有限公司 一种基于智能终端的试衣方法及试衣系统
CN107798713A (zh) * 2017-09-04 2018-03-13 昆明理工大学 一种面向二维虚拟试穿的图像变形方法
CN109934935A (zh) * 2018-01-15 2019-06-25 深圳市云之梦科技有限公司 一种服装与人体图像穿帮、匹配迁移的方法与系统
CN108510594A (zh) * 2018-02-27 2018-09-07 吉林省行氏动漫科技有限公司 虚拟试衣方法、装置及终端设备
CN108765295A (zh) * 2018-06-12 2018-11-06 腾讯科技（深圳）有限公司 图像处理方法、图像处理装置及存储介质
CN108876936A (zh) * 2018-07-27 2018-11-23 京东方科技集团股份有限公司 虚拟显示方法、装置、电子设备及计算机可读存储介质
CN109345337A (zh) * 2018-09-14 2019-02-15 广州多维魔镜高新科技有限公司 一种网购试穿戴方法、虚拟试衣镜、系统及存储介质
CN109559287A (zh) * 2018-11-20 2019-04-02 北京工业大学 一种基于DenseNet生成对抗网络的语义图像修复方法
CN109801380A (zh) * 2018-12-14 2019-05-24 深圳壹账通智能科技有限公司 一种虚拟试衣的方法、装置、存储介质及计算机设备
CN109740529A (zh) * 2018-12-29 2019-05-10 广州二元科技有限公司 一种基于神经网络绘图的虚拟试衣方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
H. ZHU.ET AL: ""Research and Development of Virtual Try-On System Based on Mobile Platform"", 《2017 INTERNATIONAL CONFERENCE ON VIRTUAL REALITY AND VISUALIZATION (ICVRV)》 *
X. HAN ET AL: ""VITON: An Image-Based Virtual Try-on Network" ", 《2018 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112232914A (zh) * 2020-10-19 2021-01-15 武汉纺织大学 基于2d图像的四阶段虚拟试衣方法及装置
CN112232914B (zh) * 2020-10-19 2023-04-18 武汉纺织大学 基于2d图像的四阶段虚拟试衣方法及装置
CN112330580A (zh) * 2020-10-30 2021-02-05 北京百度网讯科技有限公司 生成人体衣物融合图像的方法、装置、计算设备、介质
CN112598806A (zh) * 2020-12-28 2021-04-02 深延科技(北京)有限公司 基于人工智能的虚拟试穿方法、装置、计算机设备及介质
CN114565505A (zh) * 2022-01-17 2022-05-31 北京新氧科技有限公司 基于虚拟换装的服装变形方法、装置、设备及存储介质
CN114565521A (zh) * 2022-01-17 2022-05-31 北京新氧科技有限公司 基于虚拟换装的图像修复方法、装置、设备及存储介质
CN114565508A (zh) * 2022-01-17 2022-05-31 北京新氧科技有限公司 虚拟换装方法及装置
CN114565508B (zh) * 2022-01-17 2023-04-18 北京新氧科技有限公司 虚拟换装方法及装置
CN114170250A (zh) * 2022-02-14 2022-03-11 阿里巴巴达摩院(杭州)科技有限公司 图像处理方法、装置和电子设备
CN114170250B (zh) * 2022-02-14 2022-05-13 阿里巴巴达摩院(杭州)科技有限公司 图像处理方法、装置和电子设备
CN114663552A (zh) * 2022-05-25 2022-06-24 武汉纺织大学 一种基于2d图像的虚拟试衣方法
CN114663552B (zh) * 2022-05-25 2022-08-16 武汉纺织大学 一种基于2d图像的虚拟试衣方法

Also Published As

Publication number Publication date
EP3972239A1 (en) 2022-03-23
US20220245876A1 (en) 2022-08-04
US11935167B2 (en) 2024-03-19
CN111787242B (zh) 2021-12-07
WO2021008166A1 (zh) 2021-01-21
EP3972239A4 (en) 2023-02-15

Similar Documents

Publication Publication Date Title
CN111787242B (zh) 用于虚拟试衣的方法和装置
CN110766777B (zh) 虚拟形象的生成方法、装置、电子设备及存储介质
EP3479296B1 (en) System of virtual dressing utilizing image processing, machine learning, and computer vision
KR20210119438A (ko) 얼굴 재연을 위한 시스템 및 방법
CN106682632B (zh) 用于处理人脸图像的方法和装置
CN108053365A (zh) 用于生成信息的方法和装置
CN114930399A (zh) 使用基于表面的神经合成的图像生成
WO2021258971A1 (zh) 虚拟换服饰的方法和装置、设备和介质
US11527056B2 (en) Image and data processing methods and apparatuses
CN114092678A (zh) 图像处理方法、装置、电子设备及存储介质
KR20180098507A (ko) 애니메이션 생성 방법 및 애니메이션 생성 장치
WO2021222386A1 (en) Photometric-based 3d object modeling
CN113034655A (zh) 基于增强现实的试鞋方法、装置和电子设备
CN113298956A (zh) 图像处理方法、美甲方法、美妆方法和装置、终端设备
KR102466978B1 (ko) 딥러닝 기반 가상 이미지 생성방법 및 시스템
US20160042233A1 (en) Method and system for facilitating evaluation of visual appeal of two or more objects
CN110622218A (zh) 一种图像显示方法、装置、存储介质和终端
CN112766406A (zh) 物品图像的处理方法、装置、计算机设备及存储介质
CN116524088A (zh) 珠宝虚拟试戴方法、装置、计算机设备和存储介质
CN109685911B (zh) 一种可实现虚拟试衣的ar眼镜及其实现方法
CN108629824B (zh) 图像生成方法、装置、电子设备及计算机可读介质
CN116452745A (zh) 手部建模、手部模型处理方法、设备和介质
CN116977539A (zh) 图像处理方法、装置、计算机设备、存储介质和程序产品
CN114693515A (zh) 图像变形方法及装置、电子设备和存储介质
CN116309005A (zh) 虚拟换装方法、装置、电子设备及可读介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant