메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
0
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

이 논문의 연구 히스토리 (2)

2022

VACS: 패션 객체 영역 분할 기법을 통한 가상 착용 기술 아티팩트 보정 시스템
박원정 ,  정유진 ,  박순찬 외 1명 Journal of KIISE 2022.10 학술저널

2021

VACS: 패션 객체 영역 분할 기법을 통한 가상 착용 기술 아티팩트 보정 시스템
박원정 ,  정유진 ,  박순찬 외 1명 한국정보과학회 학술발표논문집 2021.06 학술대회자료

초록·키워드

오류제보하기
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.

Virtual try-on (VITON) technology is receiving a lot of attention with the development of Generative Adversarial Networks (GANs) [1]. Previous approaches to VITON synthesized 2D model images and in-shop clothing images using a generative model. However, when synthesizing the top, VITON erroneously changes pixels in unintended areas, such as the background and pants. In this study, we propose the VITON Artifact Correction System (VACS), which divides and protects targeted clothes synthesized in VITON by fashion object segmentation, and replaces the pixels corresponding to the remaining areas with the original model image to increase the realism of the final composition.
#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

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 제안방법
4. 결과
5. 결론 및 향후 연구
References

참고문헌 (11)

참고문헌 신청
Goodfellow, Ian, et al., "Generative adversarial networks," Communications of the ACM 63.11 (2020), pp. 139-144. google schola Wang, Bochao, et al., "Toward characteristic-preserving image-based virtual try-on network." Proceedings of the European Conference on Computer Vision (ECCV), 2018. google schola Cai, Zhaowei, and Nuno Vasconcelos, "Cascade R-CNN: high quality object detection and instance segmentation," IEEE transactions on pattern analysis and machine intelligence (2019). google schola Ge, Yuying, et al., "Deepfashion2: A versatile benchmark for detection, pose estimation, segmentation and re-identification of clothing images," Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2019. google schola He, Kaiming, et al., "Mask r-cnn," Proceedings of the IEEE international conference on computer vision, 2017. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0