在过去的十年中，让购物者虚拟地试穿服装和配饰在购物平台大受欢迎。根据Klarna公司进行的一项调查，有29％的购物者倾向于在实际购买商品之前先在线浏览商品，而49％的消费者对预搭配方案感兴趣，这样他们就可以在购买商品之前确定适合的商品。
因此，来自Adobe、印度理工学院和斯坦福大学的一组研究人员探索了他们所谓的“基于图像的虚拟试穿”技术，名为SieveNet。它能够将一件衣服映射到虚拟物体上，从而保留一件衣服的特征（包括皱纹和褶皱），而不会引起纹理模糊或渗色。
SieveNet的目标是拍摄衣服的图像和人体模型图像，并在保留原始身体形状，姿势和其他细节的情况下生成穿着该衣服的模型的新图像。为此，它采用了多阶段技术，其中包括将服装变形以使其与人体模型的姿势和形状保持一致，然后再将变形的纹理转移到模型上。
服装翘曲变形需要考虑服装图像之间的形状或姿势变化，以及模型图像中的遮挡（例如，头发或双臂交叉）。SieveNet中的专用模块可以在较早的粗转换之上预测粗转换和精细校正，而另一个模块可以在人体模型上计算渲染图像和蒙版。
在使用具有16GB RAM的PC上使用四张Nvidia 1080Ti图形卡进行的实验中，研究人员对SieveNet进行了数据集培训，该数据集包含约19000张正面女性模特的图像和上衣产品图像。他们报告说，在定性测试中，系统比基准更好地处理了遮挡，姿势变化，出血，几何翘曲和整体质量保留。除此之外，它在定性指标上取得了最先进的结果，其中包括Fréchet起始距离（FID），它可以从目标分布和被评估系统（在本例中为SieveNet）中获取照片，并使用AI对象识别捕获重要特征并保留相似性的系统。
SieveNet不是同类产品中的第一个。欧莱雅的ModiFace（最近出现在亚马逊的移动应用程序中）使客户可以在自己的实时照片和视频中测试不同色调的口红。Vue.ai的AI系统掌握服装的特征，学会产生逼真的姿势，肤色和其他特征，生成各种尺寸的模型图像的速度比传统照片拍摄快5倍。而且两者的Gucci和耐克提供的应用程序，让人们进行鞋子尝试。
但是研究人员断言，像SeiveNet这样的系统可以更轻松地集成到现有的应用程序和网站中。他们写道：“虚拟试穿，在个性化设置中可视化时装产品，对于在线时装交易尤为重要，因为它弥补了缺乏直接实体店购物体验的不足，与基于图像的虚拟试戴的当前最先进方法相比，我们有着出显着的改进。”
