Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

MGT: Extending Virtual Try-Off to Multi-Garment Scenarios

Created by
  • Haebom

저자

Riza Velioglu, Petra Bevandic, Robin Chan, Barbara Hammer

개요

본 논문은 다양한 의류 유형(상의, 하의, 드레스)을 처리할 수 있는 확산 기반 가상 의류 제거(VTOFF) 모델인 Multi-Garment TryOffDiff (MGT)를 제시합니다. MGT는 SigLIP 기반 이미지 조건화를 사용하여 형태, 질감, 패턴과 같은 의류 특징을 포착하는 잠재 확산 아키텍처를 기반으로 합니다. 의류 다양성을 해결하기 위해 클래스별 임베딩을 통합하여 VITON-HD 데이터셋에서 최첨단 VTOFF 결과를 달성하고 DressCode 데이터셋에서도 경쟁력 있는 성능을 보입니다. VTON 모델과 함께 사용하면 피부톤과 같은 원치 않는 속성 전달을 줄이고 사람 특유의 특징을 보존하여 p2p-VTON을 향상시킵니다. 데모, 코드 및 모델은 https://rizavelioglu.github.io/tryoffdiff/ 에서 확인할 수 있습니다.

시사점, 한계점

•
시사점:
◦
다양한 의류 유형에 대한 VTOFF 성능 향상 (상의, 하의, 드레스).
◦
SigLIP 기반 이미지 조건화를 통한 의류 특징 정확하게 포착.
◦
클래스별 임베딩을 통한 의류 다양성 문제 해결.
◦
VITON-HD 데이터셋에서 최첨단 성능 달성 및 DressCode 데이터셋에서 경쟁력 있는 성능.
◦
VTON 모델과의 연동을 통한 p2p-VTON 성능 향상 및 원치 않는 속성 전달 감소.
◦
오픈소스 공개를 통한 연구 확장 및 활용 가능성 증대.
•
한계점:
◦
특정 데이터셋에 대한 성능 평가에 국한됨. 다른 데이터셋으로의 일반화 성능 검증 필요.
◦
실제 의류의 복잡한 주름이나 겹침 등에 대한 처리 성능에 대한 추가적인 연구 필요.
◦
p2p-VTON 향상에 대한 정량적 평가 부족. 정확한 개선 수치 제시 필요.
◦
모델의 계산 비용 및 처리 속도에 대한 분석 부족.
👍
Made with Slashpage