Une technique qui prédit à quoi ressembleraient les vêtements sur différentes personnes

DeepDraper : une technique qui prédit l'apparence des vêtements sur différentes personnes

Image RVB d’un client. Crédit : Tiwari & Bhowmick.

Ces dernières années, certains informaticiens ont exploré le potentiel des techniques d’apprentissage en profondeur pour habiller virtuellement des versions numériques 3D d’humains. De telles techniques pourraient avoir de nombreuses applications intéressantes, en particulier pour les achats en ligne, les jeux et la génération de contenu 3D.

Deux chercheurs de TCS Research, en Inde, ont récemment créé une technique d’apprentissage en profondeur qui peut prédire comment les vêtements s’adapteront à une forme corporelle donnée et donc à quoi ils ressembleront sur des personnes spécifiques. Cette technique, présentée lors de l’atelier ICCV, s’est avérée surpasser les autres méthodes de vêtements de corps virtuels existantes.

« Les achats de vêtements en ligne permettent aux consommateurs d’accéder et d’acheter une large gamme de produits dans le confort de leur maison, sans se rendre dans des magasins physiques », a déclaré à TechXplore Brojeshwar Bhowmick, l’un des chercheurs qui a mené l’étude. « Cependant, il présente une limitation majeure : il ne permet pas aux acheteurs d’essayer physiquement les vêtements, ce qui entraîne un taux de retour/d’échange élevé en raison de problèmes d’ajustement des vêtements. Le concept d’essayage virtuel aide à résoudre cette limitation. »

Les outils d’essayage virtuel permettent aux personnes qui achètent des vêtements en ligne de se faire une idée de la taille et de l’apparence d’un vêtement, en le visualisant sur un avatar 3D (c’est-à-dire une version numérique d’eux-mêmes). L’acheteur potentiel peut déduire comment l’article qu’il envisage d’acheter s’adapte en regardant les plis et les rides de celui-ci dans différentes positions ou sous différents angles, ainsi que l’écart entre le corps de l’avatar et le vêtement porté dans l’image rendue /vidéo.






Youtube RGB et Draped Image avec un T-shirt et un pantalon. Crédit : Tiwari & Bhowmick.

Il permet aux acheteurs de visualiser n’importe quel vêtement sur un avatar 3D d’eux, comme s’ils le portaient. Deux facteurs importants qu’un acheteur prend en compte lorsqu’il décide d’acheter un vêtement particulier sont la coupe et l’apparence. Dans une configuration d’essai virtuelle, une personne peut déduire comment un vêtement particulier s’adapte en regardant les plis et les rides dans diverses poses et l’écart entre le corps et le vêtement dans l’image ou la vidéo rendue.

« Les travaux antérieurs dans ce domaine, tels que le développement de la technique TailorNet, ne prennent pas en compte les mesures sous-jacentes du corps humain; ainsi, ses prédictions visuelles ne sont pas très précises, en termes d’ajustement », a déclaré Bhowmick. « En plus de cela, en raison de sa conception, l’empreinte mémoire de TailorNet est énorme, ce qui restreint son utilisation dans les applications en temps réel avec moins de puissance de calcul. »

L’objectif principal de l’étude récente de Bhowmick et de ses collègues était de créer un système léger qui prend en compte les mensurations d’un être humain et drape des vêtements 3D sur un avatar qui correspond à ces mensurations corporelles. Idéalement, ils voulaient que ce système nécessite peu de mémoire et de puissance de calcul, afin qu’il puisse être exécuté en temps réel, par exemple sur des sites Web de vêtements en ligne.

DeepDraper : une technique qui prédit l'apparence des vêtements sur différentes personnes

Le corps 3D estimé du même client dans l’image ci-dessus, dérivé de l’image RVB. Crédit : Tiwari & Bhowmick.

« DeepDraper est un système de drapage de vêtements basé sur l’apprentissage en profondeur qui permet aux clients d’essayer virtuellement des vêtements d’une garde-robe numérique sur leur propre corps en 3D », a expliqué Bhowmick. « Essentiellement, il prend une image ou un court clip vidéo du client, et un vêtement d’une garde-robe numérique fournie par le vendeur comme entrées. »

Initialement, DeepDraper analyse les images ou les vidéos d’un utilisateur pour estimer la forme de son corps en 3D, sa pose et ses mensurations. Par la suite, il transmet ses estimations à un réseau de neurones drapés qui prédit à quoi ressemblerait un vêtement sur le corps de l’utilisateur, en l’appliquant sur un avatar virtuel.

Les chercheurs ont évalué leur technique dans une série de tests et ont découvert qu’elle surpassait les autres approches de pointe, car elle prédisait comment un vêtement s’adapterait mieux aux utilisateurs et de manière plus réaliste. De plus, leur système était capable de draper des vêtements de toutes tailles sur des corps humains de toutes formes et avec diverses caractéristiques.

  • DeepDraper : une technique qui prédit l'apparence des vêtements sur différentes personnes

    Résultat de DeepDraper, où l’équipe a drapé le corps humain estimé en 3D avec un T-shirt blanc et un pantalon rose. Crédit : Tiwari & Bhowmick.

  • DeepDraper : une technique qui prédit l'apparence des vêtements sur différentes personnes

    Résultat du drapage d’un T-shirt de taille fixe sur deux personnes avec une masse grasse globale variable. C’est l’image montrant la personne avec une graisse corporelle plus élevée, voir l’image suivante pour observer les différences dans les rides et les plis. Crédit : Tiwari & Bhowmick.

  • DeepDraper : une technique qui prédit l'apparence des vêtements sur différentes personnes

    Résultat du drapage d’un T-shirt de taille fixe sur deux personnes avec une masse grasse globale variable. C’est l’image montrant la personne avec de la graisse corporelle inférieure, voir l’image précédente pour observer les différences dans les rides et les plis. Crédit : Tiwari & Bhowmick.

« Une autre caractéristique importante de DeepDraper est qu’il est très rapide et peut être pris en charge par des appareils bas de gamme tels que des téléphones portables ou des tablettes », a déclaré Bhowmick. « Plus précisément, DeepDraper est près de 23 fois plus rapide et près de 10 fois plus petit en empreinte mémoire que son proche concurrent Tailornet. »

À l’avenir, la technique de drapage virtuel de vêtements créée par cette équipe de chercheurs pourrait permettre aux entreprises de vêtements et de mode d’améliorer l’expérience de leurs utilisateurs avec les achats en ligne. En permettant aux acheteurs potentiels d’avoir une meilleure idée de l’apparence des vêtements avant de les acheter, cela pourrait également réduire les demandes de remboursement ou d’échange de produits. De plus, DeepDraper pourrait être utilisé par les développeurs de jeux ou les créateurs de contenu multimédia 3D pour habiller les personnages de manière plus efficace et réaliste.

« Dans nos prochaines études, nous prévoyons d’étendre DeepDraper pour essayer virtuellement d’autres vêtements difficiles, amples et multicouches, tels que des robes, des blouses, des t-shirts avec des vestes, etc. Actuellement, DeepDraper drape le vêtement sur un corps humain statique, mais nous prévoyons éventuellement de draper et d’animer le vêtement de manière cohérente au fur et à mesure que les humains se déplacent. »


Dire adieu à une industrie de la mode jetable


Plus d’information:
DeepDraper : drapage rapide et précis d’un vêtement en 3D sur un corps humain en 3D. La Fondation Vision par Ordinateur(2021). PDF

© 2021 Réseau Science X

Citation: DeepDraper : Une technique qui prédit à quoi ressembleraient les vêtements sur différentes personnes (2021, 26 octobre) récupérée le 26 octobre 2021 à partir de https://techxplore.com/news/2021-10-deepdraper-technique-people.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.