패션과 인공지능을 융합한 2D 이미지 기반 가상 착의의 복합적 특성 개선 연구

Q: 이 논문에서 정의한 2D 가상 착의 기술이란 무엇인가?

2D 가상 착의 기술은 3D 모델링 없이 사람과 의상 이미지만으로 신경망을 학습시켜, 사람이 가상으로 의상을 착용한 이미지를 생성하는 기술이다. 이는 의상을 입는 사람의 체형, 자세, 신체 부위를 유지하며, 사람의 자세와 방향에 맞춰 의상을 기하학적으로 변환하고 정확하게 합성하여 의상의 색상, 패턴, 장식을 세부적으로 표현하는 것을 목표로 한다.

Q: DC-VTON 개선 모델이 페일 톤 드레스 가상 착의 성능을 향상시킨 핵심 요인은 무엇인가?

연구 결과, DC-VTON 개선 모델은 의상 변환 손실 함수와 가상 착의 손실 함수를 개선하고, 사람 이미지 전처리 과정에서 드레스 영역을 확대함으로써 페일 톤 드레스의 가상 착의 성능을 크게 향상시켰다. 특히, 의상 마스크 손실 함수를 추가하여 배경색과 구분이 어려운 의상도 정확하게 변환하고 합성하는 능력을 높였다.

서정민; 이우진

doi:10.17548/ksaf.2022.09.30.193

추천

검색

질문

자료유형: 학술저널

저자정보: 서정민 (경북대학교) 이우진 (경북대학교  )

저널정보: 한국전시산업융합연구원 한국과학예술융합학회 한국과학예술융합학회 Vol.40 No.4

발행연도: 2022.9

수록면: 193 - 203 (11page)

DOI: 10.17548/ksaf.2022.09.30.193

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

본 연구는 온라인 의류 쇼핑몰이 일부 의상에만 피팅 모델의 착용 이미지를 제공하여 소비자가 겪는 상품 선택의 어려움을 줄이기 위해 시작되었다. 2D 가상 착의 기술은 사람과 의상 이미지만 있으면 신경망 학습을 통해 의상 착용 이미지를 빠르게 생성할 수 있어 많은 연구가 진행되어 왔다.
기존에 제안한 Dress Clothes Virtual Try-On Network(DC-VTON)에서는 배경색과 구분이 어려운 페일 톤 드레스나 복잡한 패턴이 있는 드레스의 신경망 학습이 잘 안 되어 의상 변환과 가상 착의의 성능이 낮았다. 본 연구의 목적은 드레스의 색상과 패턴에 제약 없이 사람 모델의 자세에 맞춰 의상을 변환하고 가상 착의하는 데 있어 성능을 높이는 것이다.
본 연구는 DC-VTON의 후속 연구로 의상 변환 손실 함수와 가상 착의 손실 함수를 개선하고, 사람 이미지의 전처리 과정에서 드레스 영역을 확대하였다. 그리고 DC-VTON 개선 모델과 Characteristic-Preserving Virtual Try-On Network(CP-VTON)를 비교 실험하였다.
실험 결과는 다음과 같다. 첫째, 페일 톤 색상 드레스에서는 DC-VTON 개선 모델이 높은 성능을 보였다. 둘째, 다양한 색상과 패턴으로 구성된 전체 실험 데이터에서도 DC-VTON 개선 모델이 높은 성능을 나타내었다.
이러한 연구 결과를 바탕으로 온라인 쇼핑몰이 더 많은 의상의 가상 착의 이미지를 소비자에게 제공하고 쇼핑몰 이용 만족도를 높이는 데 활용할 수 있도록 제안 기술의 유용성을 보이고자 한다.

#2D Virtual Try-on(2D 가상 착의) #AI Fashion Convergence(AI 패션 융합) #Deep Learning Fashion(딥러닝 패션) #Fashion Digital Transformation(패션 디지털 전환)

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2023-600-000043118

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)