基于风格迁移的虚拟试穿研究.pdfVIP

摘要

电子商务的快速发展推动了服装行业的变革和转型，越来越多的消费者选择

在网上购买服装。相较于传统的购物方式，网上购物能够提供更为便利的选购渠

道和更多样的商品选择，已成为消费者的主要购物方式之一。为了进一步提高消

费者的购物体验和忠诚度，服装行业需要更加创新的技术手段。然而，如何利用

人工智能辅助服装个性化设计，帮助用户足不出户就能看到不同风格服装的试衣

效果，逐渐成为该行业面临的难点。目前，应用人工智能自动生成时尚风格图像

的方法仅对平铺服装图像的风格进行变换，未考虑用户的上身效果；而虚拟试穿

方法仅实现了用户试穿不同款式的服装，未考虑服装风格的变换。为了帮助消费

者获得更加个性化和便捷的数字服装定制与试穿体验，本文提出了基于风格迁移

的虚拟试穿研究，为以消费者决策为导向的交互式智能服装试穿平台的开发提供

思路。

本文以风格迁移和虚拟试穿为技术支持，通过图像风格迁移、虚拟试穿和服

装风格迁移3个模块实现了服装风格的变换以及用户虚拟试穿效果的展示。论文

主要完成了以下几个工作：

（1）针对目前风格迁移算法基本上只能对一种风格进行迁移，迁移效果不

尽人意的现状，本文借助当前图像融合算法的研究成果，提出基于线性变换的多

风格迁移模型，利用线性变换，使用轻加权的卷积神经网络学习转换矩阵，实现

了使用一个模型有效灵活地传输不同的风格，提高了图像质量，改善了风格迁移

时容易产生纹理扭曲的问题。

（2）针对目前传统的虚拟试穿网络存在合成后的人物图像相对于参考人物

图像存在较大的颜色和纹理失真、扭曲后的服装与期望服装区域不能完全对齐等

问题，本文提出了一种改进的基于图像的虚拟试穿方法，在虚拟试穿算法的图像

合成阶段加入由残差块和上采样层组成的对齐生成器，网络对图像经过预处理后，

通过生成分割图、服装变形和图像合成，使扭曲后的服装与期望服装区域更好地

对齐。通过在Zalando数据集上与CP-VTON方法进行比较，从主观评价和结合

SSIM、LPIPS指标的客观评价分析说明本章方法在重建图像的服装细节与视觉

质量方面性能有所提升。

（3）提出了一种端到端的卷积神经网络，首先输入风格化后符合用户审美

的纹理图像和完成变换服装款式的人物虚拟试穿图像，然后通过分段编码器获取

风格化图像的纹理编码和服装区域的形状编码，身体编码器获取人物图像的身体

编码，最后将编码送入生成器中以合成穿着新风格服装的人物图像，让消费者直

观地看到心仪时尚服装的上身效果。

关键词：风格迁移；虚拟试穿；卷积神经网络；智能服装设计；图像融合

论文类型：应用研究

ABSTRACT

Therapiddevelopmentofe-commercehasdrivenchangeandtransformationinthe

apparelindustry,withmoreandmoreconsumerschoosingtobuyclothingonline.

Comparedtotraditionalshoppingmethods,onlineshoppinghasbecomeoneofthe

mainshoppingmethodsforconsumersasitoffersmoreconvenientshoppingchannels

andawidervarietyofproductstochoosefrom.Tofurtherimprovetheshopping

experienceandloyaltyofconsumers,theapparelindustryneedsmoreinnovative

technology.However,theuseofartificialintelligencetoassistinpersonalizingclothing

andhelpinguserstoseetheresultsoffittingdifferentstylesofclothingwithouthaving

toleavehomeisgraduallybecomin