关于GAN方向背景对生成图像影响的研究

应用默认服装到自定义的人的图像

让我们看一下模型应用在自然环境中的人的无约束图像的实验。用于模型训练的 VITON 数据集的光照条件非常固定,并且没有多少摄像头角度和姿势的变化。

当使用真实的图像来测试模型时,我们意识到训练数据和无约束数据之间的差异显著降低了模型输出的质量。你可以在图11中看到这个问题的例子。

关于GAN方向背景对生成图像影响的研究

 

 

 更换服装——背景与训练数据不同的影响。A 行 - 原始背景,B 行 - 背景替换为类似于 VITON 数据集的背景。

就可以看到在有无背景的情况下,其差别还是非常的大的,不知道在抠出背景后效果会不会变得更好呢?

 

上一篇:深度学习-对抗生成网络实战(GAN)


下一篇:深度学习之生成对抗网络GAN