導(dǎo)讀客戶的RGB圖像。圖源：Tiwari和Bhowmick。近年來，一些計算機(jī)科學(xué)家一直在探索深度學(xué)習(xí)技術(shù)的潛力，為3D數(shù)字版本的人類穿上虛擬服裝。這些技術(shù)的應(yīng)....

客戶的RGB圖像。圖源：Tiwari和Bhowmick。

近年來，一些計算機(jī)科學(xué)家一直在探索深度學(xué)習(xí)技術(shù)的潛力，為3D數(shù)字版本的人類穿上虛擬服裝。這些技術(shù)的應(yīng)用將會造福很多領(lǐng)域，特別是在網(wǎng)上購物、游戲和3D內(nèi)容生成方面。

印度塔塔研究中心(TCS Research）的兩名研究人員最近發(fā)明了一種深度學(xué)習(xí)技術(shù)，可以預(yù)測衣服和特定體型的匹配度，從而預(yù)測不同的衣服穿在不同的顧客身上會是什么樣子。這項(xiàng)技術(shù)已被證明優(yōu)于其他現(xiàn)有的虛擬人體服裝技術(shù)。

研究人員Brojeshwar Bhowmick在接受采訪時表示:“網(wǎng)上購物可以讓消費(fèi)者在舒適的家中購買各種各樣的產(chǎn)品，而不必去實(shí)體店。然而，它不能讓買家親自試穿衣服，這導(dǎo)致了高退/換貨率。虛擬試穿的技術(shù)有助于解決這一問題。”

虛擬試穿工具可以讓買家在自己的3D數(shù)字版本化身上看到自己穿上衣服之后的樣子。潛在買家可以從不同的位置、角度看到衣服的褶皺、以及在3D渲染的圖像/視頻中化身和衣服之間的縫隙，從而推斷出他/她想購買的衣服是否合身。

這一領(lǐng)域之前的技術(shù)由于沒有考慮到潛在的人體測量數(shù)據(jù)，它的視覺預(yù)測并不準(zhǔn)確。而且內(nèi)存占用非常大，這限制了它在計算能力較低的實(shí)時應(yīng)用程序中的使用。

Bhowmick和同事們的目標(biāo)是創(chuàng)建一個輕量級的系統(tǒng)，該系統(tǒng)考慮人體的尺寸，并將3D服裝覆蓋在特定尺寸的人體化身上。理想情況下，他們希望這個系統(tǒng)需要低內(nèi)存，這樣它就可以在在線服裝網(wǎng)站上實(shí)時運(yùn)行。

上圖中同一客戶的3D機(jī)身，來自RGB圖像。圖源：Tiwari和Bhowmick。

Bhowmick說:“DeepDraper是一款基于深度學(xué)習(xí)的服裝懸垂系統(tǒng)，顧客可以通過虛擬方式將數(shù)字衣櫥里的衣服試穿到自己的身體上。它會把顧客的一張照片或一小段視頻，以及賣家提供的數(shù)字衣櫥里的某件衣服作為輸入信號。”

最初，DeepDraper會分析用戶的圖像或視頻，以估計他/她的3D體型、姿勢和身體尺寸。隨后，它將自己的估計結(jié)果反饋給一個下垂的神經(jīng)網(wǎng)絡(luò)，將其應(yīng)用到一個虛擬角色上，預(yù)測一件衣服穿在該用戶身上會是什么樣子。

用白T和粉褲子覆蓋了的3D人體化身。圖源：Tiwari和Bhowmick。

Bhowmick說:“DeepDraper的另一個重要特點(diǎn)是速度非常快，手機(jī)或平板電腦等低端設(shè)備即可支持。與競爭對手Tailornet相比，DeepDraper的速度快了近23倍，內(nèi)存占用小了近10倍。”

未來，這個研究團(tuán)隊(duì)創(chuàng)造的虛擬服裝懸垂技術(shù)可以讓服裝公司和時尚公司改善他們的用戶網(wǎng)購體驗(yàn)，并且能讓潛在買家在購買前更好地了解衣服的上身效果，從而減少退款或換貨的要求。此外，DeepDraper還可以被游戲開發(fā)者或3D媒體內(nèi)容創(chuàng)造者使用，從而更有效、真實(shí)地裝扮角色。

“在接下來的研究中，我們計劃將DeepDraper擴(kuò)展到其他具有挑戰(zhàn)性的、寬松的、多層的服裝上，比如連衣裙、長袍、帶夾克的T恤等。目前，DeepDraper將這種服裝掛在靜止的人體上，但我們希望最終能實(shí)現(xiàn)將這種服裝掛在移動的人體上并使之動畫化。”Bhowmick說。

本文由升哲科技編譯，轉(zhuǎn)載請注明。