$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

이미지를 사용한 가상의상착용 알고리즘들의 성능 분석

Performance Evaluation of VTON (Virtual-Try-On) Algorithms using a Pair of Cloth and Human Image

한국산업정보학회논문지 = 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)

초록
AI-Helper 아이콘AI-Helper

가상착용기술(VTON: Virtual try-on)은 의상의 온라인 유통을 활성화를 위하여 중요한 기술이다. 그러나 3차원 그래픽스기반 방식은 의상과 인체의 3차원 정보의 확보가 필요하여 범용화에 어려움이 있고, 이러한 제약을 해소하기 위해 개발되는 이미지 기반 방식들의 연구들은 그 기술적 한계가 불명확하다. 구체적으로 VITON (Virtual image try-on) 과 CP-VTON (Content preserving VTON)등은 가능성 위주의 매우 단편적인 결과만을 제시하고 있다. 본 논문은 이미지기반 기술의 상용화의 한계를 파악하기 위해, 세 가지 대표적 방식(SCMM 기반의 비-딥러닝 방식, 딥러닝기반 VITON 과 CP-VTON에 대하여 인물의 자세 및 체형, 의상의 가려짐 정도, 의상의 특성 등에 따라 분석을 하였다. 객관적인 평가를 위하여 변형단계와 합성단계의 성능을 각각 IoU와 SSIM로 평가하였고, 상대적인 비교 분석을 하였다. 그 결과, CP-VTON이 가장 좋은 성능을 보이지만, 자세와 의상의 복잡도에 따라 성능의 한계가 크게 차이가 남을 보였다. 그 주 원인은 2차 기하변형의 한계와 GAN을 통한 합성 기술의 한계로 파악되었다.

Abstract AI-Helper 아이콘AI-Helper

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...

주제어

표/그림 (7)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 최근 발표된 이미지기반 딥러닝 기반 가상착용기술인 VITON 및 CP-VTON과비-딥러닝 방식의 SCMM 방식을 실용적인 측면에서 분석하기 위하여, 의상의 복잡도, 대상 자세 및 체형, 의상의 가려짐 정도 등에 따라 분석하였다. 기존 논문에 제시하지 못하였던 정량적인 분석을 위하여 현재 목적 인물이 입고 있는 동일한의상을 다시 입히는 경우의 IoU와 SSIM를 비교하였고, 새로운 옷을 입히는 경우는 각 알고리즘을 결과를 상대비교를 통하여 분석하였다.

가설 설정

  • , 2018) 방식이 대표적으로 사용된다. 다음 알고리즘을 설명할 때 입력으로 이 알고리즘 또는 이에 대등한 알고리즘으로 사전에 처리되었음을 가정으로 한다. 각 알고리즘은 VITON과 CP-VTON은 github(https://github.
본문요약 정보가 도움이 되었나요?

질의응답

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.
질의응답 정보가 도움이 되었나요?

참고문헌 (10)

  1. Ahn H., (2018a). Online Virtual Try On using Mannequin Cloth Pictures, Journal of the Korea Industrial Information Systems Research, 23(6), 29-38. 

  2. Ahn H., (2018b). Image-based Virtual Try-On System, Journal of Korean Computer Game Society, 31(3), 37-45. 

  3. Belongie, S., Malik, J., and Puzicha, J. (2002). Shape Matching and Object Recognition using Shape Contexts, IEEE Transactions on PAMI, 25(4), 509-522. 

  4. 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. 

  5. 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. 

  6. 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. 

  7. 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. 

  8. 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. 

  9. 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. 

  10. 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. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 보고서와 함께 이용한 콘텐츠

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트