În curând, pozele modelelor, cu ajutorul cărora sunt prezentate în domeniul online piese vestimentare, ar putea fi realizate cu ajutorul inteligenței artificiale. În prezent, o rețea neuronală poate să schimbe hainele din fotografii fără a pierde detalii cheie.
Badour AlBahar și colegii ei din cadrul firmei Virginia Tech din Blacksburg au dezvoltat un algoritm care descompune o imagine sursă în părți constitutive ale corpului și o rețea neuronală care identifică unde se află articulațiile și membrele cheie. Ulterior, în sistem sunt introduse informații cu privire la poziția dorită după care rețeaua identifică noile poziții ale părților relevante ale corpului.
În același timp, modelul folosește rețele adverse generative (tehnologia din spatele videoclipurilor și imaginilor deepfake) pentru a repoziționa elemente cheie, precum fața unui model sau hainele pe care le poartă, în noua ipostază.
Acest lucru necesită aplatizarea feței și a hainelor într-o imagine 2D și apoi înfășurarea lor în jurul corpului repozat. Pentru a arăta poziția elementelor relevante, este folosită o hartă de căldură și coduri de culori din domeniul ultraviolet. Aceeași tehnică de aplatizare și împachetare permite rețelei neuronale să schimbe hainele prin tăierea și lipirea diferitelor articole pe un corp.
Deși rețeaua neuronală are mare succes în ceea ce privește schimbarea articolelor vestimentare, acesta întâmpină dificultăți în ceea ce privește mișcarea cu precizie a mâinilor. Acest lucru are loc din cauza lipsei de detalii din jurul degetelor care sunt introduse în DensePose, una dintre tehnologiile preexistente pe care le folosește procesul. De asemenea, rețeaua devine mai puțin precisă în cazul persoanelor de culoare, acesta modificându-le fețele într-un mod nefiresc.
„Deși folosim seturi de date cu privire la articolele vestimentare, informațiile cu privire la modele nu sunt foarte diverse. Este foarte dificil să instruim rețeaua folosind acel set de date și să o extindem la un set mai divers”, a declarat AlBahar. Ea speră să îmbunătățească modelul antrenându-l pe seturi de date mai mari.
„Aceasta este o utilizare uluitoare a generării de imagini orientate spre stil și condiționate de om. Totuși, sistemul ar putea fi îmbunătățit prin remedierea distorsiunilor. Acest lucru ar putea oferi posibilități imense designerilor de modă și retailerilor”, a declarat Niki Martinel din cadrul Universității din Udine, Italia.
