HAIFIT: Human-Centered AI for Fashion Image Translation

要約

ファッション デザインの領域では、スケッチはアーティストの独特の描画スタイルや創造的なビジョンを表現するためのキャンバスとして機能し、ストロークのバリエーションやテクスチャのニュアンスなどの複雑な詳細を捉えます。
スケッチから画像へのクロスモーダル変換テクノロジーの出現は、デザイナーを著しく助けました。
ただし、既存の方法では、イメージ生成中にこれらのスケッチの詳細が損なわれることが多く、その結果、デザイナーの意図したコンセプトから逸脱したイメージが生成されます。
この制限により、設計者に最終出力の正確なプレビューを提供することができなくなります。
この課題を克服するために、マルチスケール フィーチャを統合し、さまざまな視点から広範なフィーチャ マップの依存関係をキャプチャすることで、スケッチを忠実度の高い、本物そっくりの衣服画像に変換する新しいアプローチである HAIFIT を紹介します。
自己収集したデータセットに対して行われた広範な定性的および定量的評価を通じて、私たちの方法は、フォトリアリスティックな衣服画像の生成において既存の方法と比較して優れたパフォーマンスを実証します。
私たちの方法は、ファッションデザインアプリケーションに不可欠な独特のスタイルと複雑なディテールを維持することに優れています。

要約(オリジナル)

In the realm of fashion design, sketches serve as the canvas for expressing an artist’s distinctive drawing style and creative vision, capturing intricate details like stroke variations and texture nuances. The advent of sketch-to-image cross-modal translation technology has notably aided designers. However, existing methods often compromise these sketch details during image generation, resulting in images that deviate from the designer’s intended concept. This limitation hampers the ability to offer designers a precise preview of the final output. To overcome this challenge, we introduce HAIFIT, a novel approach that transforms sketches into high-fidelity, lifelike clothing images by integrating multi-scale features and capturing extensive feature map dependencies from diverse perspectives. Through extensive qualitative and quantitative evaluations conducted on our self-collected dataset, our method demonstrates superior performance compared to existing methods in generating photorealistic clothing images. Our method excels in preserving the distinctive style and intricate details essential for fashion design applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google