-
题名基于多任务判别器与注意力机制的虚拟试衣研究
- 1
-
-
作者
魏峰
郑军红
何利力
-
机构
浙江理工大学计算机科学与技术学院
浙江省现代纺织技术创新中心
-
出处
《软件工程》
2024年第7期28-32,共5页
-
基金
浙江省重点研发“领雁”计划项目(2022C01238)。
-
文摘
为了解决具有错位和遮挡处理条件的高分辨率虚拟试戴(HR-VITON)在处理复杂纹理表现和服装特征交互方面的局限性问题,在基于具有错位和遮挡处理条件的高分辨率虚拟试衣方法的基础上,提出了一种结合多任务判别器与注意力机制的虚拟试衣方法。首先,通过在条件构造器中加入高效通道注意力机制,有效地增强了特征融合;其次,在图像生成网络中采用多任务判别器,以增强对服装渲染的全局和局部尺度评估。通过不断调整网络的学习参数,最终将模型放在数据集VITON-HD Dataset上进行虚拟试衣实验。实验结果表明,与原方法相比,该方法的图像感知相似度(LPIPS)提升了6%、分布距离指标(FID)提升了4.8%,虚拟试衣效果更好。
-
关键词
虚拟试衣
高效通道注意力机制
多任务判别器
特征融合
-
Keywords
virtual try-on
efficient channel attention mechanism
multi-task discriminator
feature fusion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多任务判别器的图像阴影去除算法
- 2
-
-
作者
江灵雅
黄友锐
韩涛
徐善永
-
机构
安徽理工大学电气与信息工程学院
-
出处
《哈尔滨商业大学学报(自然科学版)》
CAS
2023年第2期139-146,共8页
-
基金
国家自然科学基金(61772033)
安徽省高校协同创新项目(GXXT-2019-048,GXXT-2020-54)。
-
文摘
针对现实生活中存在的阴影对于计算机视觉任务产生不利影响,现有图像阴影去除算法有效性与准确性低的问题,提出了一种基于生成对抗网络的阴影去除方法.该方法主要包括两个部分,采用了U-Net网络结构作为生成器部分的网络,用来提取图像中的有效信息,同时在生成器网络中引入自注意力机制,提高网络对阴影区域特征的关注度;采用多任务网络结构的判别器,通过对生成器生成图像的整体区域、局部区域以及与约束条件的匹配程度,进行多方面的鉴别,用来提升判别器鉴别能力,进而督促生成器,生成更加符合真实情况的无阴影图像.该方法在公开数据集ISTD上进行实验,实验结果表明所提方法在图像的结构相似性上以及峰值信噪比方面均有所提升.
-
关键词
阴影去除
生成对抗网络
自注意力机制
马尔可夫判别器
U-Net网络
多任务判别器
-
Keywords
shadow removal
generative adversarial network
self-attention mechanism
Markov discriminator
U-Net network
multi-task discriminator
-
分类号
TP317.4
[自动化与计算机技术—计算机软件与理论]
-