Gadgetshowto
Des chercheurs du Media and Data Science Research Lab d'Adobe, de l'IIT & IIIT Hyderabad et de l'Université de Stanford ont développé un système qui vise à aider les acheteurs à essayer virtuellement un vêtement sur n'importe quelle image de modèle donnée..
Surnommé SieveNet, le cadre est capable de recréer le nouveau vêtement dans la forme et la pose du corps du modèle tout en préservant les caractéristiques du tissu, y compris des éléments de conception infimes comme les plis..
Il y a deux étapes majeures dans cette approche - déformer l'image du produit, transfert de la texture déformée dans le corps du modèle. Pour ce faire, les chercheurs utilisent un «réseau de gauchissement grossier à fin en plusieurs étapes» formé pour identifier les aspects uniques du tissu à l'aide d'un masque de segmentation conditionnelle avant qu'il ne soit transféré sur le corps du modèle..
Jetez un œil au pipeline d'inférence ci-dessous pour une meilleure compréhension visuelle du concept. 
Contrairement aux méthodologies d'essais virtuels existantes, les chercheurs affirment que leur la technique ne souffre pas de dysfonctionnements visuels causé par un saignement de texture et une déformation incorrecte.
Les chercheurs ont formé SieveNet sur un ensemble de données riche composé d'environ 19 000 images de modèles féminins orientés vers l'avant et d'images de produits. Ils ont exécuté leur modèle sur un PC avec 16 Go de RAM et quatre cartes graphiques Nvidia 1080Ti. Les images ont été réorganisées pour effectuer des tests qualitatifs et quantitatifs.
À partir des tests qualitatifs et quantitatifs, les chercheurs ont constaté que leurs systèmes produisaient de meilleurs résultats que les méthodologies existantes dans divers aspects, notamment la gestion de l'occlusion, la déformation géométrique, la variation des poses, éviter les saignements, préserver la région non affectée tout en maintenant la qualité de l'image..
Les chercheurs suggèrent d'intégrer SeiveNet dans les sites Web d'achats en ligne. «Il [SeiveNet] est particulièrement important pour le commerce de mode en ligne car il compense les absence d’expérience physique directe des achats en magasin », a écrit les chercheurs.
Consultez l'intégralité du document de recherche ici et faites-nous part de vos réflexions sur SeiveNet dans les commentaires.
Crédits d'image en vedette: SeiveNet / Adobe
