CN112580652A - 虚拟装饰方法、装置、电子设备及存储介质 - Google Patents

虚拟装饰方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112580652A
CN112580652A CN202011545106.1A CN202011545106A CN112580652A CN 112580652 A CN112580652 A CN 112580652A CN 202011545106 A CN202011545106 A CN 202011545106A CN 112580652 A CN112580652 A CN 112580652A
Authority
CN
China
Prior art keywords
target
ornament
picture
key point
decoration
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
CN202011545106.1A
Other languages
English (en)
Other versions
CN112580652B (zh
Inventor
郑曌琼
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.)
Migu Cultural Technology Co Ltd
China Mobile Communications Group Co Ltd
Original Assignee
Migu Cultural Technology Co Ltd
China Mobile Communications Group 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 Migu Cultural Technology Co Ltd, China Mobile Communications Group Co Ltd filed Critical Migu Cultural Technology Co Ltd
Priority to CN202011545106.1A priority Critical patent/CN112580652B/zh
Publication of CN112580652A publication Critical patent/CN112580652A/zh
Application granted granted Critical
Publication of CN112580652B publication Critical patent/CN112580652B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V10/267—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 by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明实施例提供一种虚拟装饰方法、装置、电子设备及存储介质；方法包括：根据目标装饰物的图片，确定目标装饰物的类型；根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合以及目标装饰物分割图；根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片。本发明实施例提供的虚拟装饰方法、装置、电子设备及存储介质，根据目标装饰物的类型确定目标装饰物上的关键点，根据目标装饰物上的关键点监督目标装饰物的形变过程，保证目标装饰物各个关键点的位置准确，防止装饰物形状失真或尺度不准确等问题。

Description

虚拟装饰方法、装置、电子设备及存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种虚拟装饰方法、装置、电子设备及存储介质。
背景技术
虚拟装饰是指为图片中的虚拟对象穿着装饰物。一种典型的虚拟装饰是二维虚拟换装，即在用户实际未变换服装的情况下，将二维图片中的用户的服装进行变换。虚拟装饰在购物、电子游戏、动画等多个领域有着广泛的应用。
现有技术中的虚拟装饰方法利用cGAN网络接收身体分割信息、骨骼姿态点信息、面部分割信息等信息，训练生成装饰物模板所对应的装饰物在人像上的掩膜(mask)图，然后将装饰物利用形变网络形变到对应的掩膜图上，并且保持人像其他部分不变，从而完成虚拟装置。
现有技术中的虚拟装饰方法由于只利用了装饰物图片和在人体上的掩膜图片，缺乏对不同类型装饰物的判别和装饰物关键点的监督信息，导致当装饰物形态变化较大时容易出现效果失真的情况。例如，有领衣服与无领衣服的互换，长袖衣服与短袖衣服的互换都容易产生效果失真的情况。
发明内容
针对现有技术中存在的问题，本发明实施例提供一种虚拟装饰方法、装置、电子设备及存储介质。
第一方面，本发明实施例提供一种虚拟装饰方法，包括：
根据目标装饰物的图片，确定目标装饰物的类型；
根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合以及目标装饰物分割图；
根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片。
上述技术方案中，所述根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片，包括：
根据目标对象的图片，确定目标对象的骨骼关键点集合、身体分割图以及身体外轮廓关键点集合；
根据目标对象的骨骼关键点集合中的关键点、目标对象的身体外轮廓关键点集合中的关键点以及目标装饰物关键点集合中的关键点，结合目标装饰物分割图、目标对象的身体分割图以及目标装饰物的图片，确定目标对象装饰后的图片。
上述技术方案中，所述根据目标对象的骨骼关键点集合中的关键点、目标对象的身体外轮廓关键点集合中的关键点以及目标装饰物关键点集合中的关键点，结合目标装饰物分割图、目标对象的身体分割图以及目标装饰物的图片，确定目标对象装饰后的图片，包括：
根据目标对象的骨骼关键点集合中的关键点、目标对象的身体外轮廓关键点集合中的关键点以及目标装饰物关键点集合中的关键点，分别确定目标对象的骨骼关键点热图、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图；
根据目标对象的骨骼关键点热图、目标对象的身体分割图、目标装饰物的图片、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图，得到形变后的目标装饰物分割图以及形变后的目标装饰物关键点热图；
根据形变后的目标装饰物分割图、形变后的目标装饰物关键点热图以及目标装饰物的图片，确定形变后的目标装饰物图片；
根据所述目标对象的骨骼关键点热图、形变后的目标装饰物图片、目标装饰物分割图以及目标对象的身体分割图，确定目标对象装饰后的图片。
上述技术方案中，所述根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合，包括：
根据所述目标装饰物的类型，确定第一装饰物关键点检测模型；其中，所述第一装饰物关键点检测模型是基于第一类型装饰物的样本图片，第一类型装饰物的样本图片所对应的标签信息训练得到的；所述标签信息标注了样本图片中第一类型装饰物的关键点；所述第一类型为所述装饰物的类型；
将所述目标装饰物的图片输入所述第一装饰物关键点检测模型，得到目标装饰物关键点集合。
上述技术方案中，所述根据目标对象的骨骼关键点热图、目标对象的身体分割图、目标装饰物的图片、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图，得到形变后的目标装饰物分割图以及形变后的目标装饰物关键点热图，包括：
目标对象的骨骼关键点热图、目标对象的身体分割图、目标装饰物的图片、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图在channel通道上合并；
将合并后的结果输入第一形变模型，得到形变后的目标装饰物分割图以及形变后的目标装饰物关键点热图；其中，
所述第一形变模型是基于样本装饰物的图片、样本对象的身体分割图、样本装饰物分割图以及样本对象穿着样本装饰物的图片训练得到的。
上述技术方案中，所述根据形变后的目标装饰物分割图、形变后的目标装饰物关键点热图以及目标装饰物的图片，确定形变后的目标装饰物图片，包括：
将形变后的目标装饰物分割图、形变后的目标装饰物关键点热图以及目标装饰物的图片输入第二形变模型，得到形变后的目标装饰物图片；其中，
所述第二形变模型是基于样本装饰物的图片、样本对象所穿着的样本装饰物的图片训练得到的。
上述技术方案中，所述根据所述目标对象的骨骼关键点热图、形变后的目标装饰物图片、目标装饰物分割图以及目标对象的身体分割图，确定目标对象装饰后的图片，包括：
将从所述目标对象的身体分割图中所选取的头发与面部的分割图，与所述目标对象的骨骼关键点热图、形变后的目标装饰物图片以及目标装饰物分割图一起，输入到目标对象装饰后图片生成模型，得到目标对象装饰后的图片；其中，
所述目标对象装饰后图片生成模型是基于关键点的热图、形变后的样本装饰物图片、样本对象的身体分割图以及样本对象穿着样本装饰物的图片训练得到的。
第二方面，本发明实施例提供一种虚拟装饰装置，包括：
目标装饰物类型确定模块，用于根据目标装饰物的图片，确定目标装饰物的类型；
目标装饰物关键点集合确定模块，用于根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合以及目标装饰物分割图；
目标对象装饰后图片确定模块，用于根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明第一方面实施例所述虚拟装饰方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如本发明第一方面实施例所述虚拟装饰方法的步骤。
本发明实施例提供的虚拟装饰方法、装置、电子设备及存储介质，根据目标装饰物的类型确定目标装饰物上的关键点，根据目标装饰物上的关键点监督目标装饰物的形变过程，保证目标装饰物各个关键点的位置准确，防止装饰物形状失真或尺度不准确等问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的虚拟装饰方法的流程图；
图2是本发明实施例提供的虚拟装饰方法所涉及的人体骨骼关键点的示意图；
图3是本发明实施例提供的虚拟装饰方法所涉及的人体外轮廓关键点的示意图；
图4为本发明实施例提供的虚拟装饰装置的示意图；
图5为本发明实施例提供的虚拟装饰方法所涉及的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的虚拟装饰方法的流程图，如图1所示，本发明实施例提供的虚拟装饰方法，包括：
步骤101、根据目标装饰物的图片，确定目标装饰物的类型。
在本发明中，目标装饰物是指要为目标对象添加的装饰物。目标对象是目标装饰物的穿着者。典型的目标装饰物是衣服，典型的目标对象是人。
目标装饰物的图片是指包含有目标装饰物的二维图片，如为目标装饰物拍摄的照片、目标装饰物的视频截图等。需要说明的是，目标装饰物的图片中应当仅仅包含目标装饰物，而不应当包含穿着有目标装饰物的目标对象。
如何获取目标装饰物的图片是本领域技术人员的公知常识，在本发明实施例中不对其进行限定。
众所周知，根据目标装饰物的外形可以对目标装饰物进行分类。以衣服为例，按照上衣是否具有衣领或衣领的高度，可将上衣分为高领、中领和无领；按照袖子的长短可将上衣分为长袖、短袖；按照裤腿的长短可将裤子分为长裤、七分裤等。因此，衣服的类型包括短袖，长袖，短裤，七分裤，长裤等。
基于目标装饰物的图片，确定目标装饰物的类型可采用深度学习的方法实现。例如，将目标装饰物的图片输入预先训练的装饰物类型生成模型中，得到目标装饰物的类型。所述装饰物类型生成模型是基于装饰物的样本图片，装饰物的样本图片所对应的标签信息训练得到的。其中，所述标签信息标注了样本图片中装饰物的类型。
具体的说，可将装饰物的样本图片，装饰物的样本图片所对应的标签信息输入到卷积神经网络(Convolutional Neural Networks,CNN)中，经过迭代训练，确定卷积神经网络的参数，从而得到装饰物类型生成模型。然后将目标装饰物的图片输入到装饰物类型生成模型中，得到目标装饰物的类型。
典型的装饰物类型生成模型为衣服类型生成模型。
步骤102、根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合以及目标装饰物分割图。
装饰物的关键点与装饰物的类型密切相关，且同一类型的装饰物所关联的关键点是确定的。仍以衣服为例，上衣的关键点分布在袖口，领口以及腰口，下衣的关键点分布在腰口、裤口和裆部。因此在本发明实施例中，需要根据目标装饰物的类型，从目标装饰物的图片中找到目标装饰物的关键点。多个目标装饰物的关键点形成目标装饰物关键点集合。
为不同类型的装饰物分别预先训练一个装饰物关键点检测模型，如为长袖上衣训练长袖上衣关键点检测模型。然后根据所述目标装饰物的类型，确定第一装饰物关键点检测模型；其中，所述第一装饰物关键点检测模型是基于第一类型装饰物的样本图片，第一类型装饰物的样本图片所对应的标签信息训练得到的；所述标签信息标注了样本图片中第一类型装饰物的关键点；所述第一类型为所述目标装饰物的类型。
具体的说，可将第二类型装饰物的样本图片，第二类型装饰物的样本图片所对应的标签信息输入到卷积神经网络(Convolutional Neural Networks,CNN)中，经过迭代训练，确定卷积神经网络的参数，从而得到第二类型装饰物关键点检测模型。其中，第二类型为任意一种装饰物类型。重复上述操作，可为各个类型的装饰物分别训练各自对应的装饰物关键点检测模型。最后根据目标装饰物的类型将目标装饰物的图片输入到对应类型的装饰物关键点检测模型中，所述对应类型的装饰物关键点检测模型输出目标装饰物的关键点，形成目标装饰物关键点集合。
目标装饰物分割图是指将目标装饰物的背景剔除后所得到的仅包含目标装饰物的图片。目标装饰物的分割图可通过对目标装饰物的图片进行语义分割得到。实现语义分割的方法有多种，在本发明实施例中可采用深度学习的方法。例如，将目标装饰物的图片输入预先训练的装饰物分割模型中，得到目标装饰物的分割图。所述装饰物分割模型是基于目标装饰物的样本图片，目标装饰物的样本图片所对应的标注信息训练得到的。其中，所述标注信息标注了样本图片中的目标装饰物(即前景)与背景。
具体的说，可将目标装饰物的样本图片，目标装饰物的样本图片所对应的标签信息输入到卷积神经网络(Convolutional Neural Networks,CNN)中，经过迭代训练，确定卷积神经网络的参数，从而得到装饰物分割模型。然后将目标装饰物的图片输入到装饰物分割模型中，装饰物分割模型能够将目标装饰物的图片中的前景与背景相分离，分离得到的前景即为目标装饰物的分割图。
步骤103、根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片。
目标对象的图片是指包含有目标对象的二维图片，如为目标对象拍摄的照片、目标对象的视频截图等。如何获取目标对象的图片是本领域技术人员的公知常识，在本发明实施例中不对其进行限定。
目标装饰物关键点集合以及目标装饰物分割图已经在之前的步骤中得到。
目标对象穿着目标装饰物时，目标装饰物不可避免地会发生形变。如人穿上衣服后，衣服不可避免地会有褶皱、拉大等现象。为了保证目标对象装饰后的图片的准确性与真实性，在目标装饰物形变的过程中，利用目标装饰物关键点的信息来监督目标装饰物形变过程中不会丢失目标装饰物的轮廓信息，保证目标装饰物各个关键点的位置准确，防止装饰物形状失真或尺度不准确等问题，如衣物的领口失真或者袖子长度不对等问题。
本发明实施例提供的虚拟装饰方法根据目标装饰物的类型确定目标装饰物上的关键点，根据目标装饰物上的关键点监督目标装饰物的形变过程，保证目标装饰物各个关键点的位置准确，防止装饰物形状失真或尺度不准确等问题。
基于上述任一实施例，在本发明实施例中，所述根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片，包括：
步骤1031、根据目标对象的图片，确定目标对象的骨骼关键点集合、身体分割图以及身体外轮廓关键点集合。
目标对象的骨骼关键点集合包含了目标对象的骨骼关键点。以人体为例，人体的骨骼关键点包括头、眼、鼻、喉、肩、肘、手腕、髋、膝、踝等位置的关键点。图2是本发明提供的虚拟装饰方法所涉及的人体骨骼关键点的示意图。
从目标对象的图片中提取目标对象的骨骼关键点集合可采用现有技术中的人体骨骼关键点检测(pose estimation)方法实现，在本发明实施例中不对其具体实现做进一步说明。
目标对象的身体分割图是指将目标对象的身体按照生理特征分割成多个部分。身体的不同部分在身体分割图中用不同的像素值(如不同的颜色)表示。以人体为例，人体可分割为头发、面部、上衣、左臂、右臂、裤/裙子、左腿、右腿、左脚、右脚等。
可通过对目标对象的图片进行语义分割，得到目标对象的身体分割图。实现语义分割的方法有多种，在本发明实施例中可采用深度学习的方法。例如，将目标对象的图片输入预先训练的身体分割模型中，得到目标对象的身体分割图。所述身体分割模型是基于样本对象的图片，样本对象的图片所对应的标签信息训练得到的。其中，所述标签信息标注了图片中样本对象各个部位所对应的名称。
具体的说，可将样本对象的图片，样本对象的图片所对应的标签信息输入到卷积神经网络(Convolutional Neural Networks,CNN)中，经过迭代训练，确定卷积神经网络的参数，从而得到身体分割模型。然后将目标对象的图片输入到身体分割模型中，得到目标对象的身体分割图。
身体外轮廓关键点是指身体外表面上的关键点。在下面的表1中给出了一个实施例中的人体外轮廓关键点的点位信息。
表1
Figure BDA0002855776720000091
Figure BDA0002855776720000101
图3是本发明实施例提供的虚拟装饰方法所涉及的人体外轮廓关键点的示意图，图3中的人体外轮廓关键点与表1中所描述的人体外轮廓关键点相对应。在本发明其他实施例中，身体外轮廓关键点的点位信息也可以根据实际情况有所变化。
目标对象的多个身体外轮廓关键点可形成身体外轮廓关键点集合。
基于目标对象的图片，得到目标对象的身体外轮廓关键点集合可采用深度学习的方法实现。例如，将目标对象的图片输入预先训练的身体外轮廓关键点生成模型中，得到目标对象的多个身体外轮廓关键点。所述身体外轮廓关键点生成模型是基于样本对象的图片，样本对象的图片所对应的标签信息训练得到的。其中，所述标签信息标注了图片中样本对象身体外轮廓上的关键点。
具体的说，可将样本对象的图片，样本对象的图片所对应的标签信息输入到卷积神经网络(Convolutional Neural Networks,CNN)中，经过迭代训练，确定卷积神经网络的参数，从而得到身体外轮廓关键点生成模型。然后将目标对象的图片输入到身体外轮廓关键点生成模型中，得到目标对象的身体外轮廓关键点。
步骤1032、根据目标对象的骨骼关键点集合中的关键点、目标对象的身体外轮廓关键点集合中的关键点以及目标装饰物关键点集合中的关键点，结合目标装饰物分割图、目标对象的身体分割图以及目标装饰物的图片，确定目标对象装饰后的图片。
当样本对象穿着目标装饰物时，目标对象的关键点(包括骨骼关键点以及身体外轮廓关键点)与目标装饰物上的关键点之间存在一定的对应关系。例如，人颈部的关键点通常与衣服的上衣领口的关键点存在对应关系，而不会与裤子裆部的关键点存在对应关系。因此可以根据目标对象的骨骼关键点集合、目标对象的身体外轮廓关键点集合以及目标装饰物关键点集合中的关键点之间的对应关系，监督目标装饰物的形变。结合目标装饰物分割图、目标对象的身体分割图以及目标装饰物的图片，确定目标对象装饰后的图片。
本发明实施例提供的虚拟装饰方法通过目标对象的图片得到目标对象的骨骼关键点集合、目标对象的身体外轮廓关键点集合，根据这两类关键点与目标装饰物关键点之间的对应关系，监督目标装饰物的形变，确保最终得到的目标对象装饰后的图片的准确性与真实性。
基于上述任一实施例，在本发明实施例中，所述根据目标对象的骨骼关键点集合中的关键点、目标对象的身体外轮廓关键点集合中的关键点以及目标装饰物关键点集合中的关键点，结合目标装饰物分割图、目标对象的身体分割图以及目标装饰物的图片，确定目标对象装饰后的图片，包括：
步骤S1、根据目标对象的骨骼关键点集合中的关键点、目标对象的身体外轮廓关键点集合中的关键点以及目标装饰物关键点集合中的关键点，分别确定目标对象的骨骼关键点热图、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图。
在本发明中，热图(heatmap)能够反映不同关键点在同一张图片上的强度信息。
热图的生成方式为：以关键点为中心，关键点周围的点的强度随着离关键点距离增加而减少，最终得到不同关键点在同一张图片上的强度信息。
按照上述的热图生成方式，基于目标对象的骨骼关键点集合中的各个骨骼关键点，可生成骨骼关键点热图；基于目标对象的身体外轮廓关键点集合中的各个身体外轮廓关键点，可生成身体外轮廓关键点热图；基于目标装饰物关键点集合中的各个关键点，可生成目标装饰物关键点热图。
通过生成热图，不仅能够统一不同类型的装饰物点数不同的问题，还能和目标对象的身体分割图、目标装饰物的图片直接在channel通道合并起来，模型输入更加方便。
步骤S2、根据目标对象的骨骼关键点热图、目标对象的身体分割图、目标装饰物的图片、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图，得到形变后的目标装饰物分割图以及形变后的目标装饰物关键点热图。
在本发明实施例中，可将目标对象的骨骼关键点热图、目标对象的身体分割图、目标装饰物的图片、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图在channel通道上合并，然后将合并后的结果输入预先训练的第一形变模型，得到形变后的目标装饰物分割图以及形变后的目标装饰物关键点热图。所述第一形变模型是基于样本装饰物的图片、样本对象的身体分割图、样本装饰物分割图以及样本对象穿着样本装饰物的图片训练得到的。
在样本对象穿着样本装饰的图片的基础上，去除掉样本对象的身体分割图，所剩余的样本装饰物部分是具有形变的样本装饰物。具有形变的样本装饰物可作为标签信息，用于训练所述第一形变模型。
具体的说，可将样本装饰物的图片、样本对象的身体分割图、样本装饰物分割图以及样本对象穿着样本装饰物的图片输入UNet网络，经过迭代训练，确定UNet网络的参数，从而得到第一形变模型。然后将目标对象的骨骼关键点热图、目标对象的身体分割图、目标装饰物的图片、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图输入到第一形变模型中，得到形变后的目标装饰物分割图以及形变后的目标装饰物关键点热图。
形变后的目标装饰物关键点热图有助于突出关键点的信息，更好的维持装饰物的特性，如衣服中的长袖/短袖，高领/低领，长裤/短裤等特性。
步骤S3、根据形变后的目标装饰物分割图、形变后的目标装饰物关键点热图以及目标装饰物的图片，确定形变后的目标装饰物图片。
目标装饰物的图片是原始输入的图片，图片中的目标装饰物处于未形变的完好状态。但目标装饰物一旦穿着在目标对象的身上，则必然会发生形变。在本步骤中，在目标装饰物的图片的基础上，结合形变后的目标装饰物分割图、形变后的目标装饰物关键点热图，得到形变后的目标装饰物图片。
在本发明实施例中，可将形变后的目标装饰物分割图、形变后的目标装饰物关键点热图以及目标装饰物的图片输入第二形变模型，得到形变后的目标装饰物图片。所述第二形变模型是基于样本装饰物的图片、样本对象所穿着的样本装饰物的图片训练得到的。
样本对象所穿着的样本装饰物的图片是指在样本对象穿着样本装饰物的图片的基础上，去除掉样本对象的身体分割图，所剩余的样本装饰物部分的图片。由于样本对象穿着样本装饰物会使得样本装饰物发生形变，因此样本对象所穿着的样本装饰物的图片是具有形变的样本装饰物的图片。而所述样本装饰物的图片是未发生形变的样本装饰物的图片。因此，可以将样本对象所穿着的样本装饰物的图片视为标签信息，用于训练所述第二形变模型。
具体的说，可将样本装饰物的图片、样本对象所穿着的样本装饰物的图片输STN(Spatial Transformer Network，空间变换网络)网络，经过迭代训练，确定STN网络的参数，从而得到第二形变模型。然后将形变后的目标装饰物分割图、形变后的目标装饰物关键点热图以及目标装饰物的图片输入到第二形变模型中，得到形变后的目标装饰物图片。
对目标装饰物做形变处理时，所加入的关键点信息可以用来监督在转换过程中不要丢失目标装饰物的轮廓信息，保证目标装饰物各个关键点的位置准确，防止形状失真或尺度不准确等问题，如衣服中的领口失真或者袖子长度不对等的问题。
步骤S4、根据所述目标对象的骨骼关键点热图、形变后的目标装饰物图片、目标装饰物分割图以及目标对象的身体分割图，确定目标对象装饰后的图片。
目标对象装饰后的图片是指目标对象穿着目标装饰物后的图片。
在本发明实施例中，从目标对象的身体分割图中选取头发、面部的分割图，然后与目标对象的骨骼关键点热图、形变后的目标装饰物图片以及目标装饰物分割图一起，输入到装饰后图片生成模型，得到目标对象装饰后的图片。所述装饰后图片生成模型是基于样本对象的骨骼关键点的热图、形变后的样本装饰物图片、样本对象的身体分割图以及样本对象穿着样本装饰物的图片训练得到的。
具体的说，可将样本对象的骨骼关键点的热图、形变后的样本装饰物图片、样本对象的身体分割图以及样本对象穿着样本装饰物的图片输入cGAN(条件生成-对抗网络)网络，经过迭代训练，确定cGAN网络的参数，从而得到装饰后图片生成模型。然后将目标对象的骨骼关键点热图、形变后的目标装饰物图片、目标装饰物分割图以及样本对象的身体分割图输入到装饰后图片生成模型中，得到目标对象装饰后的图片。
本步骤采用Image2Image的生成方式，融合多种信息生成最后的目标对象穿着目标装饰物的图片。
本发明实施例提供的虚拟装饰方法通过热图有助于突出关键点的信息，更好的维持装饰物的特性，确保最终得到的目标对象装饰后的图片的准确性与真实性。
在一个实施例中，本发明实施例提供的虚拟装饰方法，包括：
步骤S100、根据目标装饰物的图片，确定目标装饰物的类型；
步骤S200、根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合以及目标装饰物分割图；
步骤S300、根据目标对象的图片，确定目标对象的骨骼关键点集合、身体分割图以及身体外轮廓关键点集合；
步骤S400、根据目标对象的骨骼关键点集合、身体外轮廓关键点集合以及目标装饰物关键点集合，分别确定目标对象的骨骼关键点热图、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图；
步骤S500、根据目标对象的骨骼关键点热图、目标对象的身体分割图、目标装饰物的图片、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图，得到形变后的目标装饰物分割图以及形变后的目标装饰物关键点热图；
步骤S600、根据形变后的目标装饰物分割图、形变后的目标装饰物关键点热图以及目标装饰物的图片，确定形变后的目标装饰物图片；
步骤S700、根据所述目标对象的骨骼关键点热图、形变后的目标装饰物图片、目标装饰物分割图以及目标对象的身体分割图，确定目标对象装饰后的图片。
本发明实施例提供的虚拟装饰方法通过装饰物的类型信息对不同装饰物装饰的适配性，通过增加目标对象关键点与装饰物关键点的信息来监督目标装饰物的形变，确保最终得到的目标对象装饰后的图片的准确性与真实性。
基于上述任一实施例，图4为本发明实施例提供的虚拟装饰装置的示意图，如图4所示，该装置包括：
目标装饰物类型确定模块401，用于根据目标装饰物的图片，确定目标装饰物的类型；
目标装饰物关键点集合确定模块402，用于根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合以及目标装饰物分割图；
目标对象装饰后图片确定模块403，用于根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片。
本发明实施例提供的虚拟装饰装置根据目标装饰物的类型确定目标装饰物上的关键点，根据目标装饰物上的关键点监督目标装饰物的形变过程，保证目标装饰物各个关键点的位置准确，防止装饰物形状失真或尺度不准确等问题。
图5为本发明实施例提供的虚拟装饰方法所涉及的电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(CommunicationsInterface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行如下方法：
根据目标装饰物的图片，确定目标装饰物的类型；
根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合以及目标装饰物分割图；
根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片。
需要说明的是，本实施例中的电子设备在具体实现时可以为服务器，也可以为PC机，还可以为其他设备，只要其结构中包括如图5所示的处理器510、通信接口520、存储器530和通信总线540，其中处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信，且处理器510可以调用存储器530中的逻辑指令以执行上述方法即可。本实施例不对电子设备的具体实现形式进行限定。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地，本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：
根据目标装饰物的图片，确定目标装饰物的类型；
根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合以及目标装饰物分割图；
根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片。
另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：
根据目标装饰物的图片，确定目标装饰物的类型；
根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合以及目标装饰物分割图；
根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种虚拟装饰方法，其特征在于，包括：
根据目标装饰物的图片，确定目标装饰物的类型；
根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合以及目标装饰物分割图；
根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片。
2.根据权利要求1所述的虚拟装饰方法，其特征在于，所述根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片，包括：
根据目标对象的图片，确定目标对象的骨骼关键点集合、身体分割图以及身体外轮廓关键点集合；
根据目标对象的骨骼关键点集合中的关键点、目标对象的身体外轮廓关键点集合中的关键点以及目标装饰物关键点集合中的关键点，结合目标装饰物分割图、目标对象的身体分割图以及目标装饰物的图片，确定目标对象装饰后的图片。
3.根据权利要求2所述的虚拟装饰方法，其特征在于，所述根据目标对象的骨骼关键点集合中的关键点、目标对象的身体外轮廓关键点集合中的关键点以及目标装饰物关键点集合中的关键点，结合目标装饰物分割图、目标对象的身体分割图以及目标装饰物的图片，确定目标对象装饰后的图片，包括：
根据目标对象的骨骼关键点集合中的关键点、目标对象的身体外轮廓关键点集合中的关键点以及目标装饰物关键点集合中的关键点，分别确定目标对象的骨骼关键点热图、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图；
根据目标对象的骨骼关键点热图、目标对象的身体分割图、目标装饰物的图片、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图，得到形变后的目标装饰物分割图以及形变后的目标装饰物关键点热图；
根据形变后的目标装饰物分割图、形变后的目标装饰物关键点热图以及目标装饰物的图片，确定形变后的目标装饰物图片；
根据所述目标对象的骨骼关键点热图、形变后的目标装饰物图片、目标装饰物分割图以及目标对象的身体分割图，确定目标对象装饰后的图片。
4.根据权利要求1至3任一项所述的虚拟装饰方法，其特征在于，所述根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合，包括：
根据所述目标装饰物的类型，确定第一装饰物关键点检测模型；其中，所述第一装饰物关键点检测模型是基于第一类型装饰物的样本图片，第一类型装饰物的样本图片所对应的标签信息训练得到的；所述标签信息标注了样本图片中第一类型装饰物的关键点；所述第一类型为所述装饰物的类型；
将所述目标装饰物的图片输入所述第一装饰物关键点检测模型，得到目标装饰物关键点集合。
5.根据权利要求3所述的虚拟装饰方法，其特征在于，所述根据目标对象的骨骼关键点热图、目标对象的身体分割图、目标装饰物的图片、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图，得到形变后的目标装饰物分割图以及形变后的目标装饰物关键点热图，包括：
目标对象的骨骼关键点热图、目标对象的身体分割图、目标装饰物的图片、目标对象的身体外轮廓关键点热图以及目标装饰物关键点热图在channel通道上合并；
将合并后的结果输入第一形变模型，得到形变后的目标装饰物分割图以及形变后的目标装饰物关键点热图；其中，
所述第一形变模型是基于样本装饰物的图片、样本对象的身体分割图、样本装饰物分割图以及样本对象穿着样本装饰物的图片训练得到的。
6.根据权利要求3所述的虚拟装饰方法，其特征在于，所述根据形变后的目标装饰物分割图、形变后的目标装饰物关键点热图以及目标装饰物的图片，确定形变后的目标装饰物图片，包括：
将形变后的目标装饰物分割图、形变后的目标装饰物关键点热图以及目标装饰物的图片输入第二形变模型，得到形变后的目标装饰物图片；其中，
所述第二形变模型是基于样本装饰物的图片、样本对象所穿着的样本装饰物的图片训练得到的。
7.根据权利要求3所述的虚拟装饰方法，其特征在于，所述根据所述目标对象的骨骼关键点热图、形变后的目标装饰物图片、目标装饰物分割图以及目标对象的身体分割图，确定目标对象装饰后的图片，包括：
将从所述目标对象的身体分割图中所选取的头发与面部的分割图，与所述目标对象的骨骼关键点热图、形变后的目标装饰物图片以及目标装饰物分割图一起，输入到装饰后图片生成模型，得到目标对象装饰后的图片；其中，
所述装饰后图片生成模型是基于样本对象的骨骼关键点的热图、形变后的样本装饰物图片、样本对象的身体分割图以及样本对象穿着样本装饰物的图片训练得到的。
8.一种虚拟装饰装置，其特征在于，包括：
目标装饰物类型确定模块，用于根据目标装饰物的图片，确定目标装饰物的类型；
目标装饰物关键点集合确定模块，用于根据所述目标装饰物的图片以及所述目标装饰物的类型，确定目标装饰物关键点集合以及目标装饰物分割图；
目标对象装饰后图片确定模块，用于根据目标装饰物关键点集合、目标装饰物分割图、目标装饰物的图片以及目标对象的图片，确定目标对象装饰后的图片。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述虚拟装饰方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述虚拟装饰方法的步骤。
CN202011545106.1A 2020-12-24 2020-12-24 虚拟装饰方法、装置、电子设备及存储介质 Active CN112580652B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011545106.1A CN112580652B (zh) 2020-12-24 2020-12-24 虚拟装饰方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011545106.1A CN112580652B (zh) 2020-12-24 2020-12-24 虚拟装饰方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112580652A true CN112580652A (zh) 2021-03-30
CN112580652B CN112580652B (zh) 2024-04-09

Family

ID=75139285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011545106.1A Active CN112580652B (zh) 2020-12-24 2020-12-24 虚拟装饰方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112580652B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105469087A (zh) * 2015-07-13 2016-04-06 百度在线网络技术（北京）有限公司 识别服饰图片的方法、服饰图片的标注方法及装置
CN108229496A (zh) * 2017-07-11 2018-06-29 北京市商汤科技开发有限公司 服饰关键点的检测方法和装置、电子设备、存储介质和程序
CN109902659A (zh) * 2019-03-15 2019-06-18 北京字节跳动网络技术有限公司 用于处理人体图像的方法和装置
CN110532981A (zh) * 2019-09-03 2019-12-03 北京字节跳动网络技术有限公司 人体关键点提取方法、装置、可读存储介质及设备
CN110827301A (zh) * 2019-11-11 2020-02-21 京东数字科技控股有限公司 用于处理图像的方法和装置
CN111581414A (zh) * 2019-02-18 2020-08-25 北京京东尚科信息技术有限公司 服饰识别、分类及检索的方法、装置、设备及存储介质
CN111898642A (zh) * 2020-06-30 2020-11-06 北京市商汤科技开发有限公司 关键点检测方法、装置、电子设备及存储介质
US20200376381A1 (en) * 2018-07-05 2020-12-03 Tencent Technology (Shenzhen) Company Limited Posture adjustment method and apparatus, storage medium, and electronic device

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105469087A (zh) * 2015-07-13 2016-04-06 百度在线网络技术（北京）有限公司 识别服饰图片的方法、服饰图片的标注方法及装置
CN108229496A (zh) * 2017-07-11 2018-06-29 北京市商汤科技开发有限公司 服饰关键点的检测方法和装置、电子设备、存储介质和程序
US20200376381A1 (en) * 2018-07-05 2020-12-03 Tencent Technology (Shenzhen) Company Limited Posture adjustment method and apparatus, storage medium, and electronic device
CN111581414A (zh) * 2019-02-18 2020-08-25 北京京东尚科信息技术有限公司 服饰识别、分类及检索的方法、装置、设备及存储介质
CN109902659A (zh) * 2019-03-15 2019-06-18 北京字节跳动网络技术有限公司 用于处理人体图像的方法和装置
CN110532981A (zh) * 2019-09-03 2019-12-03 北京字节跳动网络技术有限公司 人体关键点提取方法、装置、可读存储介质及设备
CN110827301A (zh) * 2019-11-11 2020-02-21 京东数字科技控股有限公司 用于处理图像的方法和装置
CN111898642A (zh) * 2020-06-30 2020-11-06 北京市商汤科技开发有限公司 关键点检测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112580652B (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
TWI762209B (zh) 圖像處理方法、裝置、電腦設備及存儲介質
US10918150B2 (en) Methods and systems for customized garment and outfit design generation
US11941772B2 (en) Method and system for generating a 3D reconstruction of a human
WO2019156522A1 (ko) 이미지/텍스트 기반 디자인 생성 장치 및 방법
CN108229559B (zh) 服饰检测方法、装置、电子设备、程序和介质
CN109670591A (zh) 一种神经网络的训练方法及图像匹配方法、装置
CN109614925A (zh) 服饰属性识别方法和装置、电子设备、存储介质
Jevšnik et al. 3D virtual prototyping of garments: approaches, developments and challenges
US10395404B2 (en) Image processing device for composite images, image processing system and storage medium
CN111767817B (zh) 一种服饰搭配方法、装置、电子设备及存储介质
CN111862116A (zh) 动漫人像的生成方法及装置、存储介质、计算机设备
US20200082138A1 (en) Clothing having one or more printed areas disguising a shape or a size of a biological feature
CN105869217A (zh) 一种虚拟真人试衣方法
CN107680166A (zh) 一种智能定制服装的方法和装置
CN112685649A (zh) 衣物推荐方法、装置、存储介质及终端设备
US11669999B2 (en) Techniques for inferring three-dimensional poses from two-dimensional images
JP6818219B1 (ja) ３次元アバター生成装置、３次元アバター生成方法及び３次元アバター生成プログラム
US20230086880A1 (en) Controllable image-based virtual try-on system
CN115272579A (zh) 一种基于多特征融合的单张图像三维服装重建方法
JP2011170761A (ja) モデル画像作成装置、およびモデル画像作成装置のモデル画像作成プログラム
CN112580652B (zh) 虚拟装饰方法、装置、电子设备及存储介质
CN113610960B (zh) 一种三维模型合并时防穿模的方法、装置及存储介质
CN113032962A (zh) 对服装纸样进行分析的服装结构虚拟仿真系统及方法
KR20020051667A (ko) 가상적인 의상 착용 모습의 표현 방법 및 장치
CN111383068A (zh) 一种服装款型风格匹配的方法及其系统

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