客戶的RGB圖像。圖源：Tiwari和Bhowmick。

近年來，一些計算機科學家一直在探索深度學習技術的潛力，為3D數字版本的人類穿上虛拟服裝。這些技術的應用将會造福很多領域，特别是在網上購物、遊戲和3D内容生成方面。

印度塔塔研究中心(TCS Research）的兩名研究人員最近發明了一種深度學習技術，可以預測衣服和特定體型的匹配度，從而預測不同的衣服穿在不同的顧客身上會是什麼樣子。這項技術已被證明優于其他現有的虛拟人體服裝技術。

研究人員Brojeshwar Bhowmick在接受采訪時表示:“網上購物可以讓消費者在舒适的家中購買各種各樣的産品，而不必去實體店。然而，它不能讓買家親自試穿衣服，這導緻了高退/換貨率。虛拟試穿的技術有助于解決這一問題。”

虛拟試穿工具可以讓買家在自己的3D數字版本化身上看到自己穿上衣服之後的樣子。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。

這一領域之前的技術由于沒有考慮到潛在的人體測量數據，它的視覺預測并不準确。而且内存占用非常大，這限制了它在計算能力較低的實時應用程序中的使用。

Bhowmick和同事們的目标是創建一個輕量級的系統，該系統考慮人體的尺寸，并将3D服裝覆蓋在特定尺寸的人體化身上。理想情況下，他們希望這個系統需要低内存，這樣它就可以在在線服裝網站上實時運行。

上圖中同一客戶的3D機身，來自RGB圖像。圖源：Tiwari和Bhowmick。

Bhowmick說:“DeepDraper是一款基于深度學習的服裝懸垂系統，顧客可以通過虛拟方式将數字衣櫥裡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，以及賣家提供的數字衣櫥裡的某件衣服作為輸入信号。”

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。随後，它将自己的估計結果反饋給一個下垂的神經網絡，将其應用到一個虛拟角色上，預測一件衣服穿在該用戶身上會是什麼樣子。

用白T和粉褲子覆蓋了的3D人體化身。圖源：Tiwari和Bhowmick。

Bhowmick說:“DeepDraper的另一個重要特點是速度非常快，手機或平闆電腦等低端設備即可支持。與競争對手Tailornet相比，DeepDraper的速度快了近23倍，内存占用小了近10倍。”

未來，這個研究團隊創造的虛拟服裝懸垂技術可以讓服裝公司和時尚公司改善他們的用戶網購體驗，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還可以被遊戲開發者或3D媒體内容創造者使用，從而更有效、真實地裝扮角色。

“在接下來的研究中，我們計劃将DeepDraper擴展到其他具有挑戰性的、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将這種服裝挂在靜止的人體上，但我們希望最終能實現将這種服裝挂在移動的人體上并使之動畫化。”Bhowmick說。

本文由升哲科技編譯，轉載請注明。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!