DeepFashion
PulseAugur coverage of DeepFashion — every cluster mentioning DeepFashion across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的DAC-Pose框架增强了从单一视点生成人体图像的能力
研究人员推出了一种新颖的从单一视点生成人体图像的框架DAC-Pose。该双代理系统旨在克服当前方法在视角急剧变化时产生伪影的局限性。该框架包括一个用于推断未见区域的先验语义推理（PSR）代理和一个用于管理空间错位的差异感知视觉编码（DAVE）代理。这种协作方法确保了高保真细节合成，并保持了纹理对齐和身份一致性。
-
超像素令牌增强了Transformer模型中的时尚检索
研究人员开发了SuperFashion，一个利用Transformer架构内超像素令牌的用于属性特定的时尚检索的新框架。该方法通过更好地捕捉细微细节和减少背景噪声，解决了现有基于补丁方法的局限性。SuperFashion采用属性引导的注意力机制和超像素分割来生成紧凑、语义连贯的令牌，从而在基准数据集的检索准确性方面取得了显著的改进。
-
新的扩散模型框架增强了基于姿态的人物图像生成
研究人员开发了一个名为“用于基于姿态生成人物图像的融合嵌入”（FPDM）的新框架，使用扩散模型来改进基于指定姿态的人物图像生成。该方法通过对比学习明确地将融合的源姿态嵌入与目标图像嵌入对齐，并使用学习到的融合嵌入作为生成的条件信号。FPDM集成了图像-姿态融合模块来学习这些对齐的嵌入，并使用源外观、目标姿态和融合嵌入来指导条件扩散模型。在基准数据集上的实验表明，FPDM在纹理保真度和跨姿态和源变化的一致性方面有所提高。
-
Vision Transformer 可实现隐私保护的服装分类以估算热舒适度
研究人员开发了一种新颖的、隐私保护的服装类型分类方法，该方法使用 Vision Transformer。该方法旨在实现安全的、以居住者为中心的控制系统，以优化热舒适度，同时不损害用户隐私。在 DeepFashion 数据集上的实验表明，与遭受严重性能下降的传统方法不同，所提出的方案在加密图像上保持了高精度。