买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉纺织大学;湖北省俊智科技有限公司

摘要：本发明公开了一种深度学习2D图片的虚拟试衣方法，属于深度学习与计算机视觉技术领域。本发明提出了一种扩散修复生成图片的方法，采用图片转化硬编码信息作为全局特征和局部特征，解决扩散模型生成图像时文本歧义，细致属性例如文字，图案内容不明显，在扩散模型生成试穿图片时变形的服装图像无法始终正确表示店内服装与目标模型信息的关联等影响生成图片的质量的问题，该方法可以引导修复扩散模型来生成高质量图片。

主权项：1.一种深度学习2D图片的虚拟试衣方法，其特征在于，包括如下步骤：步骤1，输入目标人像Ip和服装图像C来获取人体语义图Sa、服装掩模图CM和人体姿态图p；根据试衣需求将人体语义图Sa划分为非试穿区域语义图和试穿区域语义图；步骤2，输入服装掩模图CM和非试穿区域语义图Sp，经过端到端的语义拼接网络，在引入判别器和多层次损失函数的约束下，生成试穿后的人体语义图SM；步骤3，根据人体姿态图p和服装图像C，使用服装姿态点预测网络，在服装图像上预测人体各姿势点的位置，输出服装关键点图；然后使用服装分割网络对服装关键点图进行处理，将服装分为多个区域；根据试穿后的人体语义图SM，人体姿态图p，对分割的各个区域进行变形，得到变形服装图Cw；步骤4，输入目标人像Ip和人体语义图Sa，提取目标人像Ip像素点值，人体语义图Sa将图像进行分割并去除服装区域，获取身体区域掩模Sb；然后，将身体区域掩模Sb与目标人像Ip逐像素乘法得到身体区域图Ib，提取试穿后语义图SM的生成皮肤区域，得到试穿后非试穿区域语义图Sb′；最后，采用内容编码器对身体区域图Ib进行压缩为矩阵信息，保留身份信息，结构编码器对人体姿态图p进行编码特征图，保留人体结构特征，使用身体重建网络对两个特征分别执行，权衡归一化结果，采用上采样解码器，还原得到人体重建图IM；步骤5，将变形服装图Cw中的姿态点与人体重建图IM人体关键点对齐，得到一个粗糙试衣结果Ip′，将粗糙试衣结果Ip′输入到扩散修复模型中，获得精化结果图Ip″；步骤6，对精化结果图Ip″进行优化获得最终结果图Igt。

全文数据：

权利要求：

百度查询： 武汉纺织大学 湖北省俊智科技有限公司 一种深度学习2D图片的虚拟试衣方法