꿈꾸는자취방

VITON - Refinetwork 분석 3.3. Refinement Network VITON의 정제 네트워크 GR은 거친 흐린 영역이 변형 된 대상 품목의 현실적인 세부 사항을 활용하도록 훈련됩니다. 뒤틀린 의류 품목. 우리는 거친 샘플의 생성 된 영역의 세부 사항을 채우기 위해 대상 의류 이미지 C에서 직접 정보를 빌립니다. 그러나 제품 이미지를 직접 붙여 넣는 것은 사람의 자세와 몸 모양에 따라 변형 된 옷의 변형으로는 적합하지 않습니다. 따라서 그림 4에서와 같이 shape context matching [3]을 가진 thin plate spline (TPS) 변환을 추정하여 의류 항목을 왜곡한다.보다 구체적으로, 우리는 c의 전경 마스크를 추출하고 모양 컨텍스트 TPS warps [3] 이 마스..

진행상황 : JPPNET의 Pose는 작동하나 viton의 데이터 형식과 불일치(subset을 알 수 없음). Real-time Pose estimation에서 다른 방식으로 구현된(keras) 것 작동 성공. 포즈점 개수는 조금씩 다르지만 돌아갈 때 이상 없는것으로 보임. VITON 원 퀄리티와 비슷한 것으로 보임 005001_0.jpg 값이 거의 일치하는 것을 확인

LIP-JPPNet은 사람의 이미지에서 포즈 추출, 또한 옷 등 각 부위를 segment로 나누어주는 LIP 데이터셋을 사용한 CNN 모델이다. 소스코드 : https://github.com/Engineering-Course/LIP_JPPNet 논문 : https://arxiv.org/pdf/1804.01984.pdf 필요 환경 : Python2.7(3이상 사용시 코드의 xrange -> range 수정), tensorflow 전체를 clone 받으면 test를 위한 dataset이 있어 간단하게 돌려볼 수 있다. pretrained model 을 './checkpoint/JPPNet-s2' 폴더에 넣으면 model을 사용할 수 있다. (구글 드라이브 https://drive.google.com/open..