Análisis de Técnicas y Modelos en la Virtualización de Prendas de Ropa: Métodos Actuales y Desafíos en el Ajuste de Probadores Virtuales

Diego Alejandro Cáceres Veintimilla, Katherine Adriana Merino Villa, Juan Carlos Yungán Cazar, Edgar Gualberto Salazar Álvarez

Resumen


Este artículo presenta un análisis completo de la adopción de modelos de aprendizaje profundo en el ámbito de los probadores virtuales de moda. El estudio examina cómo pueden aplicarse estas tecnologías avanzadas para optimizar la experiencia de compra en línea, desde los métodos tradicionales hasta las últimas innovaciones en inteligencia artificial.
Se examina la aplicación de modelos de Deep learning al modelado de ropa en entornos virtuales, destacando como estos modelos permiten una representación más precisa y realista de la ropa en el cuerpo del usuario. Se analizan diversas metodologías y herramientas que se han desarrollado para adaptar la ropa a la postura y personalidad del usuario, así como aplicaciones móviles que facilitan la compra virtual.
También se analizan los últimos avances en redes generativas y algoritmos afines que han mejorado notablemente la capacidad de segmentar, redimensionar y reconstruir imágenes de ropa de forma más detallada y realista. Además, se analizan los principales retos a los que se enfrentan los modelos actuales, como la adaptación a situaciones complejas y la necesidad de generar imágenes de alta calidad.
Este análisis proporciona información sobre cómo los modelos de Deep learning están transformando los probadores virtuales, así como las tendencias futuras y las posibles mejoras en este campo emergente de la moda digital.


Palabras clave


Inteligencia artificial; Moda digital; Entornos virtuales.

Texto completo:

PDF HTML

Referencias


T. T. Tuan, M. R. Minar, H. Ahn, and J. Wainwright, “Multiple pose virtual try-on based on 3d clothing reconstruction,” IEEE Access, vol. 9, pp. 114 367–114 380, 2021.

K. Shah, M. Pandey, S. Patki, and R. Shankarmani, “A virtual trial room using pose estimation and homography,” in 2020 4th International Conference on Intelligent Computing and Control Systems (ICICCS), 2020, pp. 685–691.

J. Yao and H. Zheng, “Lc-vton: Length controllable virtual try-on network,” IEEE Access, vol. 11, pp. 88 451–88 461, 2023.

M. R. Minar, T. T. Tuan, and H. Ahn, “Cloth-vton+: Clothing three- dimensional reconstruction for hybrid image-based virtual try-on,” IEEE Access, vol. 9, pp. 30 960–30 978, 2021.

T. Islam, A. Miron, X. Liu, and Y. Li, “Deep learning in virtual try- on: A comprehensive survey,” IEEE Access, vol. 12, pp. 29 475–29 502, 2024.

L. Yu, Y. Zhong, and X. Wang, “Inpainting-based virtual try-on network for selective garment transfer,” IEEE Access, vol. 7, pp. 134 125– 134 136, 2019.

H. Hwangbo, E. H. Kim, S.-H. Lee, and Y. J. Jang, “Effects of 3d virtual “try-on” on online sales and customers’ purchasing experiences,” IEEE Access, vol. 8, pp. 189 479–189 489, 2020.

H. Ma, Z. Hu, and Y. Zheng, “A virtual try-on model with enhanced feature representation capability,” in 2022 6th Asian Conference on Artificial Intelligence Technology (ACAIT), 2022, pp. 1–7.

H.-W. Jin and D.-O. Kang, “Versatile-vton: A versatile virtual try- on network,” in 2023 IEEE International Conference on Consumer Electronics-Asia (ICCE-Asia), 2023, pp. 1–4.

A. Mishra, S. Kaintura, Y. S. Yadav, V. Joshi, H. Vaidya, and A. Kapru- wan, “Gans and augmented reality in virtual clothing try-on,” in 2024 International Conference on Intelligent and Innovative Technologies in Computing, Electrical and Electronics (IITCEE), 2024, pp. 1–6.

Y. Song, J. Zhang, and Z. Wang, “Semantical-info based virtual try- on network with generative adversarial nets,” in 2021 CAA Symposium on Fault Detection, Supervision, and Safety for Technical Processes (SAFEPROCESS), 2021, pp. 1–6.

J. Hu, W. Wu, M. Ding, X. Huang, Z. J. Deng, and X. Li, “A virtual try- on system based on deep learning,” in 2023 3rd International Symposium on Computer Technology and Information Science (ISCTIS), 2023, pp. 103–107.

Y. Chang, T. Peng, R. He, X. Hu, J. Liu, Z. Zhang, and M. Jiang, “Dp-vton: Toward detail-preserving image-based virtual try-on network,” in ICASSP 2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2021, pp. 2295–2299.

Y. Cho, L. S. S. Ray, K. S. P. Thota, S. Suh, and P. Lukowicz, “Clothfit: Cloth-human-attribute guided virtual try-on network using 3d simulated dataset,” in 2023 IEEE International Conference on Image Processing (ICIP), 2023, pp. 3484–3488.

X. Han, W. Huang, X. Hu, and M. Scott, “Clothflow: A flow-based model for clothed person generation,” in 2019 IEEE/CVF International Conference on Computer Vision (ICCV), 2019, pp. 10 470–10 479.

N. P. Toliya, N. B. Chadaga, R. Harshitha, M. Dhruva, and N. Naga- rathna, “Gan based model for virtual try on of clothes,” in 2024 Interna- tional Conference on Emerging Technologies in Computer Science for Interdisciplinary Applications (ICETCS), 2024, pp. 1–7.

J. Tong, J. Zhou, L. Liu, Z. Pan, and H. Yan, “Scanning 3d full human bodies using kinects,” IEEE Transactions on Visualization and Computer Graphics, vol. 18, no. 4, pp. 643–650, 2012.




DOI: https://doi.org/10.23857/pc.v9i8.7837

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/