[DL輪読会] The Conditional Analogy GAN: Swapping Fashion Articles on People Images
-
Upload
deep-learning-jp -
Category
Technology
-
view
542 -
download
0
Transcript of [DL輪読会] The Conditional Analogy GAN: Swapping Fashion Articles on People Images
DEEP LEARNING JP [DL Papers]
“The Conditional Analogy GAN: Swapping Fashion Articles on People Images”
Ryosuke Goto, VASILY, Inc.
http://deeplearning.jp/
2
• The Conditional Analogy GAN: Swapping Fashion Articles on People Images• 著者
• Nikolay Jetchev, Urs Bergmann• Zalando Research
• 選定理由• 服の着せ替えの仕組みをサービスとして実用化したい• 問題設定がシンプルでよい
書誌情報
3
• ドイツのファッションECサイト• ヨーロッパ各国に展開• 売上はzozotownの7倍• 技術ブログ• https://jobs.zalando.com/tech/blog/
Zalando?
4
• 入力xiとyiとyjの関係を学習し、xiとyjに対応するxijを生成するCA-GANを提案• 服を着ているモデルに別の服を着せ替えることができる
Abstract
• 利用するデータの種類• 置き撮り画像(Article)
• モデル着用画像(Human)
• ECサイトで入手しやすいペア• どんな商品でも用意されている• 集めるのが簡単
5
IntroductionArticle Human
6
• ファッションビジネスにおける課題• Humanは着用イメージが湧きやすいため、購買にとって重要• しかし、Humanの作成は高価で時間がかかる• 置き撮りから生成できると有り難い
Introduction
7
• バーチャル試着への応用• 服の3Dモデル作成の必要• 写真を取るよりコスト高• Articleから生成したい
Introduction
https://www.slideshare.net/metatechnology/ magic-mirror-for-fashion-stores
8
• CAGAN• xiとyi
Proposed Model
Article Human
9
• Generator• 入力• トリプレット
• 出力• 着せ替えイメージ
• フィルタ• Discriminator• 入力• Human, Articleのペア
Networks
Real/Fake
10
• 3つの損失関数を重み付けしたものを学習• cGAN(通常のGAN アーキテクチャ)• id loss (フィルターの学習に掛かる制約)• cycle loss (生成物を元に戻した際の差分)
Loss Function
11
• 各組み合わせをReal/Fakeで識別• 着せ替え後の生成物はFake
cGAN
12
• Generatorのアウトプット• フィルターと重ねる前のイメージ
• できるだけフィルター範囲を小さく取りたい
id loss
13
• 着せ替え後のモデルに元の服を着せる• 生成結果が整合性を保つために必要
Cycle Loss
14
• ADAM (lr = 0.0002)• minibatch: 16• 3つのlossの比: 1.0 : 0.1 : 1.0
• input 128×98 pixel image
Experiments
15
• 首周りもきちんと着せ替えできている• 着せ替え部分のみに反応するフィルターを獲得
Results
16
• 特定のHumanに様々なArticleを着せ替え• 横縞のようなtextureの着せ替えが苦手
Results
17
• 様々なHumanに特定のArticleを着せ替え• 顔が崩れる…
Results
18
• 手に入れやすいHumanとArticleのデータで、精度の高い着せ替えに成功• 色の着せ替えはうまくいく一方で、横縞などのtexsureの着せ替えが苦手• future work
• 今回は、背景が単純な画像のみのデータセット• 外で撮ったスナップ写真などはより難しいタスクになる
まとめ