服装代码数据集
本仓库展示了以下论文中提出的虚拟试衣数据集:
D. Morelli, M. Fincato, M. Cornia, F. Landi, F. Cesari, R. Cucchiara
Dress Code: 高分辨率多类别虚拟试衣
重要提示!
- 使用Dress Code数据集即表示您接受并同意遵守此处所述的条款和条件。
- 该数据集不会向私营公司发布。
- 填写数据集申请表时,不允许使用非机构电子邮箱(如gmail.com)。
- 必须提交签署的发布协议表(详见数据集申请表)。不完整或未签署的发布协议表将不被接受,也不会收到回复。不允许使用打字签名。
请使用以下BibTeX引用:
@inproceedings{morelli2022dresscode,
title={{Dress Code: 高分辨率多类别虚拟试衣}},
author={Morelli, Davide and Fincato, Matteo and Cornia, Marcella and Landi, Federico and Cesari, Fabio and Cucchiara, Rita},
booktitle={欧洲计算机视觉会议论文集},
year={2022}
}
数据集
我们收集了一个新的基于图像的虚拟试衣数据集,由来自YOOX NET-A-PORTER不同目录的图像对组成。
该数据集包含超过5万张高分辨率模特服装图像对,分为三个不同类别(即连衣裙、上身服装、下身服装)。
概要
- 53792件服装
- 107584张图像
- 3个类别
- 上身服装
- 下身服装
- 连衣裙
- 1024 x 768图像分辨率
- 附加信息
- 关键点
- 骨骼
- 人体标签图
- 人体密集姿势
附加信息
除模特和服装图像对外,我们还提供关键点、骨骼、人体标签图和密集姿势。
更多信息
关键点
对于数据集中的所有图像对,我们存储了人体姿势的关节坐标。 具体来说,我们使用OpenPose [1]为每个人体提取18个关键点。
对于每张图像,我们提供了一个包含keypoints
键的json文件。
该键的值是一个包含18个元素的列表,代表人体的关节。每个元素是一个包含4个值的列表,其中前两个分别表示x轴和y轴上的坐标。
骨骼
骨骼是通过用线条连接关键点得到的RGB图像。
人体标签图
我们使用人体解析器将图像的每个像素分配到特定类别,从而为每个目标模特获得分割掩码。 具体来说,我们使用了在ATR数据集上训练的SCHP模型 [2],ATR是一个大型单人人体解析数据集,专注于18个类别的时尚图像。
得到的图像由1个通道组成,填充类别标签值。 类别映射如下:
0 背景
1 帽子
2 头发
3 太阳镜
4 上衣
5 裙子
6 裤子
7 连衣裙
8 腰带
9 左鞋
10 右鞋
11 头部
12 左腿
13 右腿
14 左臂
15 右臂
16 包
17 围巾
人体密集姿势
我们还使用DensePose [3]从所有模特图像中提取了密集标签和UV映射。
实验结果
低分辨率 256 x 192
名称 | SSIM | FID | KID |
---|---|---|---|
CP-VTON [4] | 0.803 | 35.16 | 2.245 |
CP-VTON+ [5] | 0.902 | 25.19 | 1.586 |
CP-VTON* [4] | 0.874 | 18.99 | 1.117 |
PFAFN [6] | 0.902 | 14.38 | 0.743 |
VITON-GT [7] | 0.899 | 13.80 | 0.711 |
WUTON [8] | 0.902 | 13.28 | 0.771 |
ACGPN [9] | 0.868 | 13.79 | 0.818 |
我们的方法 | 0.906 | 11.40 | 0.570 |
代码
由于公司合作,我们无法发布代码。但是,我们提供了一个空的Pytorch项目用于加载数据。
参考文献
[1] Cao等人. "OpenPose: 使用部分亲和场的实时多人2D姿势估计." IEEE TPAMI, 2019.
[2] Li等人. "人体解析的自我纠正." arXiv, 2019.
[3] Güler等人. "Densepose: 野外密集人体姿势估计." CVPR, 2018.
[4] Wang等人. "面向特征保持的基于图像的虚拟试衣网络." ECCV, 2018.
[5] Minar等人. "CP-VTON+: 保持服装形状和纹理的基于图像的虚拟试衣." CVPR研讨会, 2020.
[6] Ge等人. "通过蒸馏外观流的无解析器虚拟试衣." CVPR, 2021.
[7] Fincato等人. "VITON-GT: 具有几何变换的基于图像的虚拟试衣模型." ICPR, 2020.
[8] Issenhuth等人. "不要掩盖不需要掩盖的内容: 无解析器的虚拟试衣." ECCV, 2020.
[9] Yang等人. "通过自适应生成-保留图像内容实现照片级真实的虚拟试衣." CVPR, 2020.
联系方式
如果您对我们的数据集有任何一般疑问,请使用本GitHub仓库的公共问题部分。或者,您可以发送电子邮件至davide.morelli [at] unimore.it或marcella.cornia [at] unimore.it。