[发明专利]基于服装类别及纹理图案控制的时尚服装图像生成方法

说明书

本发明公开了一种基于服装类别及纹理图案控制的时尚服装图像生成方法。本发明构建了一个全新的数据集，同时在网络结构上进行了创新并且进行了有效性验证；参考设计师在设计服装的过程中先绘制时尚服装设计草图，然后再挑选相应的纹理图案布料应用到设计草图上完成服装设计的步骤，将整个任务分为了基于服装类别控制的时尚服装设计草图生成和基于纹理图案和设计草图控制的时尚服装图像生成两个部分；且两个部分是分开训练的，在完成两个部分的训练后将第一部分的输出作为第二部分时尚设计草图的输入就能拼接两个网络。本发明提高时尚服装的生成质量，增加了纹理扩展模块以优化纹理的生成，增加了梯度重构损失让生成的时尚服装图片更加清晰。

技术领域

本发明提出一种基于服装类别及纹理图案控制的时尚服装图像生成方法，主要涉及时尚服装图像生成领域。

背景技术

基于深度学习的图像生成是指通过深度学习技术生成虚拟数字图像的一种计算机技术，使用此项技术可以快速生成大量与真实图片相似的虚拟图片。为了提高图像生成技术的可用性，现在更多的研究关注于条件图像生成技术。在条件图像生成网络当中，用户可以输入一些相关的条件来控制图像的生成，这让用户对图片的生成有一定的控制能力。

时尚服装图像生成方法也是基于条件图像生成技术展开的，用户通过输入一些时尚元素信息作为控制条件，便可以生成与控制条件相关的时尚服装图片。这对于时尚服装设计师来说，意义重大。如今在服装设计的流程当中，为了节约成本，设计师们通常会先使用电脑软件设计渲染出服装效果图进行参考，以确定是否要进行样品生产。但是，使用传统的计算机方法需要复杂而繁琐的操作步骤，计算机渲染过程也需要花费昂贵的时间代价，这就使得设计师们很多新奇的设计想法无法快速实现而被迫放弃。所以，研究基于深度学习的时尚服装生成方法能够帮助设计师快速实现想法，减少不必要的重复性工作，提高服装设计的整体效率。

近年来也有许多方法在时尚服装生成方面展开了相关的研究并获得了不错的成果。但是，这些方法也存在着一些缺点。首先，部分方法选择的控制条件本身就难以获得，例如时尚服装草图，绘制时尚服装草图本身就需要十分专业的知识基础并且需要花费较多的时间。其次，现有的一些基于深度学习的生成方法在生成服装纹理上效果不是特别理想。本发明从上述问题出发，提出了一种基于服装类别及纹理图案的是时尚服装生成方法。用户只需要提供服装的类别信息(如上衣，短裤，长裙等)和选择好的小块纹理图案就能生成多样的时尚服装图像，这样简单的输入条件能让设计师们更快地实现自己的设计想法。并且，本发明为了改进时尚服装图像的生成效果，在生成网络上也进行了相应的创新，这使得生成的服装图像有更清晰的纹理。

发明内容

本发明针对现有技术的不足，提出了一种基于服装类别及纹理图案控制的时尚服装图像生成方法。考虑到现有相关数据集不完全适用于本发明，我们构建了一个全新的数据集，本发明所有实验均在此数据集上进行。为了提高生成图片的效果，本发明在网络结构上进行了创新并且进行了有效性验证。本发明参考设计师在设计服装的过程中先绘制时尚服装设计草图，然后再挑选相应的纹理图案布料应用到设计草图上完成服装设计的步骤，将整个任务分为了基于服装类别控制的时尚服装设计草图生成和基于纹理图案和设计草图控制的时尚服装图像生成两个步骤。值得注意的是，两个子部分是分开训练的，在完成两个子部分的训练后只需要简单地将第一部分的输出作为第二部分时尚设计草图的输入就能拼接两个网络。

本发明采用的技术方案包括如下步骤：

步骤(1)时尚服装数据集的创建

在互联网时尚大数据中收集高清服装图片作为初始图像数据集，然后对其中的初始图像数据进行简单的清理，之后再使用计算机图像技术进一步处理，最终构建一个时尚服装数据集。

步骤(2)基于服装类别控制的时尚服装设计草图生成