패션과 인공지능을 융합한 2D 이미지 기반 가상 착의의 복합적 특성 개선 연구

초록

본 연구는 온라인 의류 쇼핑몰이 일부 의상에만 피팅 모델의 착용 이미지를 제공하여 소비자가 겪는 상품 선택의 어려움을 줄이기 위해 시작되었다. 2D 가상 착의 기술은 사람과 의상 이미지만 있으면 신경망학습을 통해 의상 착용 이미지를 빠르게 생성할 수 있어 많은 연구가 진행되어 왔다. 기존에 제안한 Dress Clothes Virtual Try-On Network(DC-VTON)에서는 배경색과 구분이 어려운 페일 톤 드레스나 복잡한 패턴이 있는 드레스의 신경망 학습이 잘 안되어 의상 변환과 가상 착의의 성능이 낮았다. 본 연구의 목적은 드레스의 색상과 패턴에제약 없이 사람 모델의 자세에 맞춰 의상을 변환하고 가상 착의하는데 있어 성능을 높이는 것이다. 본 연구는 DC-VTON의 후속 연구로 의상 변환 손실 함수와 가상 착의 손실 함수를 개선하고, 사람 이미지의 전처리 과정에서 드레스 영역을 확대하였다. 그리고 DC-VTON 개선 모델과 Characteristic- Preserving Virtual Try-On Network(CP-VTON)를 비교 실험하였다. 실험 결과는 다음과 같다. 첫째, 페일 톤 색상 드레스에서는 DC-VTON 개선 모델이 높은 성능을 보였다. 둘째, 다양한 색상과 패턴으로 구성된 전체 실험데이터에서도 DC-VTON 개선 모델이 높은 성능을 나타내었다. 이러한 연구 결과를 바탕으로 온라인 쇼핑몰이 더 많은 의상의 가상 착의 이미지를 소비자에게 제공하고 쇼핑몰 이용 만족도를 높이는 데 활용할 수 있도록 제안 기술의 유용성을 보이고자 한다.

키워드