최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국산업정보학회논문지 = Journal of the Korea Industrial Information Systems Research, v.24 no.6, 2019년, pp.25 - 34
따이 트안 투안 (서울과학기술대학교 전기정보공학과) , 미나르 마드올 라흐만 (서울과학기술대학교 전기정보공학과) , 안희준 (서울과학기술대학교 전기정보공학과)
VTON (Virtual try-on) is a key technology that can activate the online commerce of fashion items. However, the early 3D graphics-based methods require the 3D information of the clothing or the human body, which is difficult to secure realistically. In order to overcome this problem, Image-based deep...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
GMM 단계의 수행되는 작업은? | 의상의 기하변환을 행하는 GMM단계와 의상을 합성하는 TON으로 구분된다. GMM 단계에서 VITON에서 처럼 마스크를 만드는 대신 STN (Spatial transfer network)을 사용하여 직접 변형된 결과를 생성한다. TON(Try-on) 단계에서는 1단계 이미지를 사용하지 않고 원본 입력과 변형된 의상을 통하여 마스크를 구하고 이 마스크를 사용하여 최종 이미지를 생성한다. | |
VITON 알고리즘의 첫 단계는 무엇인가? | Fig. 3의 VITON 알고리즘의 첫 단계는 대상인물의 실루엣과 조인트정보를 사용하여 의상과의 상관성을 학습시켜 변형된 목적 의상 마스크와 일차 착용결과를 생성한다. 그리고 이렇게 얻어진 마스크와 SCMM를 사용하여 변형된 의상을 생성한다. | |
가상착용기술에서 3차원 애니메이션 기술의 현실은? | 기존의 가상착용기술은 3차원 애니메이션 기술 중의 하나로 주로 의상 디자인에 사용되었고, 이를 거의 그대로 사용자를 위한 기술로 가져온 것이다. 그러나 일반인이 의상과 사람 신체의 3차원 모델을 확보하기 어렵기 때문에 2차원 이미지를 사용한 가상착용기술에 관심이 증가하고 있다(Ahn, 2018a; Ahn, 2018b; Han etal., 2018; Wang et al. |
Ahn H., (2018b). Image-based Virtual Try-On System, Journal of Korean Computer Game Society, 31(3), 37-45.
Belongie, S., Malik, J., and Puzicha, J. (2002). Shape Matching and Object Recognition using Shape Contexts, IEEE Transactions on PAMI, 25(4), 509-522.
Cao, Z., Simon, T., Wei, S. E., and Sheikh, Y. (2017). Realtime Multi-person 2d Pose Estimation using Part Affinity Fields, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 7291-7299.
Han, X., Wu, Z., Wu, Z., Yu, R., and Davis, L. S. (2018). Viton: An Image-based Virtual Try-on Network, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 7543-7552.
Liang, X., Gong, K., Shen, X., and Lin, L. (2018). Look into Person: Joint Body Parsing & Pose Estimation Network and a New Benchmark. IEEE Transactions on PAMI, 41(4), 871-885.
Raj, A., Sangkloy, P., Chang, H., Lu, J., Ceylan, D., and Hays, J. (2018). Swapnet: Garment Transfer in Single View Images, Proceedings of the European Conference on Computer Vision, pp. 666-682.
Wang, B., Zheng, H., Liang, X., Chen, Y., Lin, L., and Yang, M. (2018). Toward Characteristic-preserving Image-based Virtual Try-on Network, Proceedings of the European Conference on Computer Vision, pp. 589-604.
Weng, C. Y., Curless, B., and Kemelmacher-Shlizerman, I. (2019). Photo Wake-up: 3d Character Animation from a Single Photo, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 5908-5917.
Zanfir, M., Popa, A. I., Zanfir, A., and Sminchisescu, C. (2018). Human Appearance Transfer, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 5391-5399.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.