VACS: Virtual Try-on Artifact Correction System using the Fashion Object Segmentation Method

Q: 이 논문에서 정의한 가상 착용 기술이란 무엇인가?

가상 착용 기술(VITON)은 모델 이미지와 의류 제품 이미지를 합성하여 해당 의류 제품을 착용한 모델의 이미지를 만들어내는 기술이다. 특히 2D VITON은 인물 이미지와 제품 이미지를 합성하여 제품을 착용한 인물 이미지를 생성하며, 생산적 적대 신경망(GAN)을 활용하여 활발히 연구되고 있다.

Q: 가상 착용 기술에서 발생하는 아티팩트를 효과적으로 보정하는 방법은 무엇인가?

연구 결과, 패션 객체 영역 분할 기술을 통해 VITON에서 합성된 제품 영역을 분할하여 보호하고, 그 외의 영역에 해당하는 픽셀은 원본 이미지로 대체하는 VACS 시스템을 제안한다. 이 시스템은 합성 타깃 외 영역의 아티팩트를 복구하여 이미지의 사실감을 높이고 FID score를 개선한다.

박원정; 정유진; 박순찬; 박진아

doi:10.5626/JOK.2022.49.10.802

자료유형: 학술저널

저자정보: 박원정 (한국과학기술원) 정유진 (한국과학기술원) 박순찬 (한국과학기술원) 박진아 (한국과학기술원)

저널정보: Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.49 No.10

발행연도: 2022.10

수록면: 802 - 806 (5page)

DOI: 10.5626/JOK.2022.49.10.802

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

생산적 적대 신경망 기술이 발전함에 따라 모델 및 제품 이미지를 합성하는 가상 착용 기술(virtual try-on, VITON)에 대한 연구 역시 활발히 이루어지고 있다. 현재까지의 VITON 기술은 생성 모델을 통해서 모델 이미지와 의류 제품 이미지를 합성해 해당 의류 제품을 착용한 모델의 이미지를 만들어낸다. 그러나 상의를 합성할 시 바지, 배경 등에 해당하는 픽셀도 변형되는 문제가 있다. 본 연구에서는 패션 객체 영역 분할 기술을 통해 VITON에서 합성된 제품 영역을 분할하여 보호하고, 그 외의 영역에 해당하는 픽셀은 원본 이미지로 대체하여 합성 이미지의 사실감을 높이는 가상 착용 기술 아티팩트 보정 시스템을 제안한다.

#가상 착용 기술 #생산적 적대 신경망(generative adversarial network, GAN) #패션 객체 #이미지 처리 #객체 영역 분할 #virtual try-on(VITON) #generative adversarial network(GAN) #fashion object #image processing #image segmentation

참고문헌

참고문헌 신청

최근 본 자료

전체보기

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)