原标题：不仅教人穿衣服，还要给人换衣服：这两篇ICCV论文出自同一人

乾明 假装发自 首尔

量子位 报道 | 公众号 QbitAI

人在ICCV 2019，刚从韩国首尔离开。【doge

说两篇有意思的论文吧，来自一个中国小哥，都是关于“衣服”的研究。

一篇教人穿衣服，另一篇给人换衣服。

比脱衣服的研究难多了，而且颇具商业价值。

第一篇教人穿衣服：FiNet模型

这篇论文题目为Compatible and Diverse Fashion Image Inpainting，还被接收为Oral论文（接受率仅4.6%），研究方向是时装搭配。

研究到了这个程度，只是简单地将输入图像中缺失的时尚单品补全已经不够用了。

想要突出还要注重整体搭配的协调性与真实性。

在这个过程中，最棘手的一个问题是，如何在耦合形状和外观时，妥善处理衣服的边界。

这也是同类模型效果不如人意，且无法商业化的关键点之一。

这个论文中，作者提出了一个名为FiNet的模型，基于两阶段的变分自编码器的生成网络，在满足多样性和兼容性的条件下，来填充图像中缺失的时尚商品。

核心思路是，分别用形状生成网络和外观生成网络，来依次生成缺失衣服的形状和外观。

从而使FiNet可以在目标区域中修复出具有不同形状和外观的服装。

△形状生成网络

△外观生成网络

为了保证兼容性，作者也在其中集成了一个兼容性模块，将兼容性信息编码到网络中，来保证让生成衣服的形状和外观都是和其他衣服是兼容搭配的。

如此研究，应用场景也颇为广泛。

从用户的角度来说，在不知道穿什么衣服出门的时候，可以让计算机模型自动生成搭配的潮流服装。

而商家，则是可以将这一技术，应用到时装设计和新时尚商品推荐等应用中，来更好的实现商业购买转化，进一步激发用户的消费力。

那效果如何呢？在论文中，作者给出的效果是这样的：

直观来看，与Pix2Pix+noise、BicyleGAN、VUNET、ClothNet等方法相比，效果比较好。

从实际应用的角度来分析，FiNet模型的结果，也相对更接近落地一些。

论文地址：

FiNet:Compatible and Diverse Fashion Image Inpainting

https://arxiv.org/abs/1902.01096v2

第二篇：给人换衣服，ClothFlow模型

这篇论文名为ClothFlow: A Flow-Based Model for Clothed Person Generation，研究主题也是衣服生成。

但与FiNet模型比起来，这篇论文的实现方式与应用方向都有很大不同。

ClothFlow是一个基于外观流的衣服生成模型。

主要用于将一个图片中的服装渲染到另外一张图片上，其想要实现的效果是这样的：

具体的实现方式，是使用一个级联的特征金字塔网络，估算源服装区域和目标服装区域的几何变换，然后通过多个基于编码器-解码器的生成网络来实现“衣服迁移”。

在论文中，作者也多次提到了这一研究的应用场景——虚拟试衣等服装相关应用。

尤其是在直播场景中，有不少的想象空间。

这一技术成熟后，主播可以虚拟换装，省去买衣服的成本和换衣服的时间。

而且， 用户也可以根据自己的喜好给主播选穿什么样的衣服。

论文地址：

ClothFlow: A Flow-Based Model for Clothed Person Generation

http://openaccess.thecvf.com/content_ICCV_2019/papers/Han_ClothFlow_A_Flow-Based_Model_for_Clothed_Person_Generation_ICCV_2019_paper.pdf

作者

最后简单介绍下论文作者吧。

主题相近、方法不同的两篇入会论文，一作都是一位叫韩欣彤的小哥。

随手查了下履历：

上海交大本科、马里兰大学帕克分校博士。

2018年进入工业界，先在创业公司码隆科技任职算法研究员。

最新已被挖到虎牙，是中国直播一哥公司的计算机视觉Tech Lead。

他说，接下来还是会持续关注直播内容生成方向，比如人脸和人体的驱动和生成。

韩欣彤很年轻，但已经在CVPR，ICCV，ECCV等顶级会议发表了近十篇论文。

而且据他自己介绍，是上海交大本科三年级时才真正接触计算机视觉，至今7年。

所以也是真正找到了兴趣和擅长，也赶上了时代潮流。

我们问虎牙，这次韩欣彤博士穿衣服、换衣服的研究，会跟他现在在虎牙的工作进一步相关起来吗？

比如——一个大胆而规矩的想法，在直播中给主播虚拟换装，或者让用户给主播换衣服。

他们没给直接肯定的答案。

不过也云山雾罩透露：在学在产，虎牙的技术研发都不会仅仅存在于论文中，也会进一步进入到平台业务中。

所以，就说你们这些搞技术研究的，赞得很。（大误）

— 完 —