Gadgetshowto
Forskere ved Adobes Media and Data Science Research Lab, IIT & IIIT Hyderabad og Stanford University har utviklet et system som tar sikte på å hjelpe kunder å prøve et klesstykke på et gitt modellbilde.
Kalt SieveNet, rammeverket er i stand til å gjenskape det nye klærne i modellens kroppsform og posere mens du bevarer egenskapene til kluten, inkludert små designelementer som bretter.
Det er to hovedfaser i denne tilnærmingen - vrir produktbildet, overføring av den skeive teksturen inn i modellens kropp. For å oppnå dette bruker forskerne et “multi-stage grov-til-fin vridningsnettverk” som er opplært til å identifisere unike aspekter av kluten ved hjelp av en betinget segmenteringsmaske før den overføres til modellens kropp.
Ta en titt på rørledningen nedenfor for bedre visuell forståelse av konseptet. 
I motsetning til eksisterende virtuelle prøvemetoder hevder forskerne at deres teknikken lider ikke av synsfeil forårsaket på grunn av teksturblødning og feil vridning.
Forskerne trente SieveNet i et rikt datasett bestående av rundt 19 000 bilder av kvinnelige modeller og produktbilder. De kjørte sin modell på en PC med 16 GB RAM og fire Nvidia 1080Ti-grafikkort. Bildene ble omorganisert for å gjennomføre kvalitative og kvantitative tester.
Fra de kvalitative og kvantitative testene fant forskerne at systemene deres produserte bedre resultater enn eksisterende metoder i forskjellige aspekter, inkludert håndtering av okklusjon, geometrisk vridning, variasjon i stillinger, unngå blødning, bevaring av upåvirket region og samtidig opprettholdt bildekvaliteten.
Forskerne foreslår å integrere SeiveNet i nettbutikker for shopping. “Det [SeiveNet] er spesielt viktig for online motehandel fordi det kompenserer for mangel på en direkte fysisk opplevelse av butikkhandel ”, skrev forskerne.
Sjekk ut hele forskningsoppgaven her og gi oss beskjed om dine tanker om SeiveNet i kommentarene.
Utvalgte bildepoeng: SeiveNet / Adobe
