Gadgetshowto
Forskere ved Adobes Media and Data Science Research Lab, IIT & IIIT Hyderabad og Stanford University har udviklet et system, der har til formål at hjælpe kunder med at prøve et stykke tøj på et hvilket som helst modelbillede.
Døbt SieveNet, rammen er i stand til at genskabe det nye tøj i modelens kropsform og udgøre, samtidig med at tøjets egenskaber bevares, herunder små designelementer som folder.
Der er to store faser i denne tilgang - vridning af produktbilledet, overføre den skæve struktur til modelens krop. For at opnå dette anvender forskerne et ”multi-stage grov-til-fint-vridningsnetværk”, der er trænet til at identificere unikke aspekter af tøjet ved hjælp af en betinget segmenteringsmaske, før den overføres til modelens krop.
Se på nedenstående inferensrørledning for en bedre visuel forståelse af konceptet. 
I modsætning til eksisterende virtuelle afprøvningsmetoder hævder forskerne, at deres teknik lider ikke af synsfejl forårsaget af teksturblødning og forkert vridning.
Forskerne trænede SieveNet i et rigt datasæt bestående af omkring 19.000 billeder af frontvendte kvindelige modeller og produktbilleder. De kørte deres model på en pc med 16 GB RAM og fire Nvidia 1080Ti-grafikkort. Billederne blev omarrangeret til at udføre kvalitative og kvantitative tests.
Fra de kvalitative og kvantitative tests fandt forskerne, at deres systemer producerede bedre resultater end eksisterende metoder i forskellige aspekter, herunder håndtering af okklusion, geometrisk vridning, variation i stillinger, undgå blødning, bevarelse af upåvirket område, samtidig med at billedkvaliteten opretholdes.
Forskerne foreslår at integrere SeiveNet i online shoppingwebsteder. ”Det [SeiveNet] er især vigtigt for online modehandel, fordi det kompenserer for manglende direkte fysisk oplevelse af shopping i butikken ”, skrev forskerne.
Tjek hele forskningsopgaven her, og fortæl os dine tanker om SeiveNet i kommentarerne.
Fremhævede billedkreditter: SeiveNet / Adobe
