【技术实现步骤摘要】
【国外来华专利技术】
本专利技术总体上涉及化身(avatar)生成和服装虚拟试穿领域。更具体而言，本专利技术涉及一种用于改进地生成服装虚拟试穿的三维化身的系统和方法。
技术介绍
1、越来越多的消费者经由各种电子商务网站、web应用和门户网站在线购买服装。随着在线服装购买趋势的涌现，消费者(用户)在购买服装前通过虚拟试穿来寻找最适合自己的服装。虚拟试穿服装通常是通过以下操作完成：生成一个或多个化身形式的用户人体模型，以及在购买前将所选服装渲染到所生成的化身上。据观察，现有的电子商务网站、基于网络的应用和门户网站并没有在购买前提供与生成虚拟试穿服装的化身相关的适当选项。
2、通常情况下，与电子商务网站、web应用和门户网站相关的现有系统在为虚拟试穿服装生成化身方面存在各种效率低下的问题。据观察，现有的电子商务网站、web应用和门户网站无法生成符合用户准确身体规格的化身。此外，现有系统为用户创建其自身的化身所提供的选项有限，用户无法从其终端提供输入。此外，现有系统没有为用户提供用于使用虚拟试穿技术对服装进行有效比较的足够的选项。此外，现有系统仅限于在用户的单一正面视图中提供服装虚拟试穿，而不能提供任何其他视图。
3、鉴于上述缺点，需要一种用于改进地生成虚拟试穿服装的化身的系统和方法。需要一种系统和方法来生成具有准确身体规格的用户化身。此外，还需要能够有效地捕捉来自用户的输入以用于生成化身的系统和方法。此外，还需要一种系统和方法，该系统和方法使用虚拟试穿技术提供对服装的有效比较。
技术实现思路>
1、在本专利技术的各种实施例中，提供了一种用于改进地生成虚拟试穿服装的三维化身的系统。该系统包括存储程序指令的存储器；执行存储在存储器中的指令的处理器；以及由处理器执行的化身生成引擎。化身生成引擎被配置为经由第一输入单元接收来自第一用户类型的输入，以生成图形格式的一个或多个服装类型。此外，化身生成引擎被配置为基于对经由第二输入单元分别接收的第一输入类型或第二输入类型进行的捕捉，以半自动方式或自动方式生成第二用户类型的三维化身。第一输入类型包括第二用户类型的身体规格的测量值，并且第二输入类型包括第二用户类型的身体图像。最后，化身生成引擎被配置为在所生成的第二用户类型的三维化身上渲染所生成的服装，以用于执行虚拟试穿操作。
2、在本专利技术的各种实施例中，提供了一种用于改进地生成虚拟试穿服装的三维化身的方法。该方法由执行存储在存储器中的程序指令的处理器实现。该方法包括经由第一输入单元接收来自第一用户类型的输入，以生成图形格式的一个或多个服装类型。此外，该方法还包括基于对经由第二输入单元分别接收的第一输入类型或第二输入类型进行的捕捉，以半自动方式或自动方式生成第二用户类型的三维化身。第一输入类型包括第二用户类型的身体规格的测量值，并且第二输入类型包括第二用户类型的身体图像。最后，该方法包括在所生成的第二用户类型的三维化身上渲染所生成的服装，以用于执行虚拟试穿操作。
3、在本专利技术的各种实施方案中，提供了一种计算机程序产品。该计算机程序产品包括非暂态计算机可读介质，其上存储有计算机程序代码，计算机可读程序代码包括指令，指令当被处理器执行时，使处理器经由第一输入单元接收来自第一用户类型的输入，以生成图形格式的一个或多个服装类型。此外，基于对相应地经由第二输入单元所接收的第一输入类型或第二输入类型进行的捕捉，以半自动方式或自动方式生成第二用户类型的三维化身。第一输入类型包括第二用户类型的身体规格的测量值，并且第二输入类型包括第二用户类型的身体图像。此外，经由第一输入单元接收第一用户类型的输入，以生成图形格式的一个或多个服装类型。
本文档来自技高网...【技术保护点】
1.一种用于改进地生成虚拟试穿服装的三维化身的系统，该系统包括：
2.如权利要求1所述的系统，其中，所述化身生成引擎包括服装生成单元，所述服装生成单元由所述处理器执行并且被配置为应用包括卷积神经网络(CNN)的机器学习技术和深度学习技术，以处理从所述第一用户类型接收到的所述输入，并以所述图形格式生成所述一个或多个服装类型。
3.如权利要求2所述的系统，其中，所述服装生成单元被配置为与数据库通信，以用于以数据结构格式存储从所述第一用户类型接收到的输入和所生成的一个或多个服装类型，并且其中，存储在所述数据库中的所生成的服装类型能够被编辑，所述编辑包括：对服装类型组件的测量值的更改、对服装类型组件的材料的更改和对服装类型设计的调整。
4.如权利要求1所述的系统，其中，所述化身生成引擎包括化身生成单元，所述化身生成单元由所述处理器执行并且被配置为在所述第二输入单元上渲染交互式web应用，以经由所述第二输入单元捕捉所述第一输入类型和所述第二输入类型，并且其中，所述化身生成单元被配置为在所述第二输入单元上渲染所述交互式web应用，以向所述第二用户类型发送请
5.如权利要求1所述的系统，其中，所述第二用户类型的化身是在离线模式下以所述半自动方式生成的。
6.如权利要求1所述的系统，其中，所述第二用户类型的所述身体规格的测量值包括：胸部尺寸、胸围尺寸、腰围尺寸、臀围尺寸、身高、臂长和内接缝长度。
7.如修改后的权利要求4所述的系统，其中，所捕捉的第一输入类型被所述第二输入单元使用三维对象管理应用编程接口(API)传输到所述化身生成单元。
8.如修改后的权利要求1所述的系统，其中，以所述半自动方式生成第二用户类型的所述三维化身包括下述步骤：
9.如权利要求1所述的系统，其中，所述化身生成引擎包括化身生成单元，所述化身生成单元由所述处理器执行并被配置为：基于至少应用数字图像处理技术和深度学习技术，以自动的方式生成所述第二用户类型的三维化身，并且其中，所述第二用户类型的三维化身是以在线模式实时自动生成的。
10.如权利要求1所述的系统，其中，所述第二用户类型的身体图像是从所述第二输入单元上的摄像头捕捉的，并且其中，所述第二用户类型经由所述第二输入单元上的所述摄像头，使用安装在所述第二输入单元上的用于捕捉所述第二输入类型的交互式web应用，从不同角度发起全身扫描。
11.如权利要求10所述的系统，其中，所述全身扫描以二维格式捕捉所述第二用户类型的一个或多个身体图像，并且其中，所捕捉的一个或多个身体图像包括所述第二用户类型的直姿图像、侧姿图像和脸部图像，并且其中，所述直姿图像包括所述第二用户类型的正面图像和背面图像，并且所述侧姿图像包括所述第二用户类型的右侧姿势图像和左侧姿势图像。
12.如权利要求9所述的系统，其中，所述化身生成单元被配置为基于采用身体测量应用编程接口(API)，从所述第二输入单元接收所述第二输入类型，以计算与所述第二输入类型相关联的所述第二用户类型的一个或多个身体测量值，并且其中，所述化身生成单元被配置为在所述第二用户类型的所述第二输入类型上应用所述数字图像处理技术和所述深度学习技术，以计算所述第二用户类型的所述一个或多个身体测量值。
13.如权利要求12所述的系统，其中，由所述化身生成单元应用的所述深度学习技术包括卷积神经网络(CNN)技术、图神经网络技术和胶囊神经网络技术，并且其中，所述化身生成单元被配置为在所述第二输入类型上并行地应用所述深度学习技术，以计算所述第二用户类型的身体测量值。
14.如权利要求12所述的系统，其中，在通过应用所述深度学习技术计算所述第二用户类型的所述身体测量值之前，所述化身生成单元被训练，其中，对所述化身生成单元的训练是使用多个数据集进行的，所述多个数据集包括与所述第二用户类型的多个身体测量值相关的样本集，所述多个身体测量值与所述第二用户类型的身体图像相关，并且其中，所述身体图像是至少使用所述第二输入单元上的摄像头并且从包括所述第二用户类型的视频剪辑捕捉的，并且其中，所述身体图像至少是所述第二用户类型的彩色图像、灰度图像和不同皮肤类型的图像。
15.如权利要求14所述的系统，其中，所述化身生成引擎的化身生成单元以自动的方式生成所述第二用户类型的所述三维化身包括下述步骤：
16.如权利要求15所述的系统，其中，胶囊神经网络(CapsNet)由所述化身生成单元实现，以用于执行分割操作和计算所述第二用户类型的身体测量值，并且其中，所述CapsNet架构包括两个卷积层(C...
【技术特征摘要】
【国外来华专利技术】
1.一种用于改进地生成虚拟试穿服装的三维化身的系统，该系统包括：
2.如权利要求1所述的系统，其中，所述化身生成引擎包括服装生成单元，所述服装生成单元由所述处理器执行并且被配置为应用包括卷积神经网络(cnn)的机器学习技术和深度学习技术，以处理从所述第一用户类型接收到的所述输入，并以所述图形格式生成所述一个或多个服装类型。
3.如权利要求2所述的系统，其中，所述服装生成单元被配置为与数据库通信，以用于以数据结构格式存储从所述第一用户类型接收到的输入和所生成的一个或多个服装类型，并且其中，存储在所述数据库中的所生成的服装类型能够被编辑，所述编辑包括：对服装类型组件的测量值的更改、对服装类型组件的材料的更改和对服装类型设计的调整。
4.如权利要求1所述的系统，其中，所述化身生成引擎包括化身生成单元，所述化身生成单元由所述处理器执行并且被配置为在所述第二输入单元上渲染交互式web应用，以经由所述第二输入单元捕捉所述第一输入类型和所述第二输入类型，并且其中，所述化身生成单元被配置为在所述第二输入单元上渲染所述交互式web应用，以向所述第二用户类型发送请求，该请求用于捕捉所述第一输入类型和所述第二输入类型。
5.如权利要求1所述的系统，其中，所述第二用户类型的化身是在离线模式下以所述半自动方式生成的。
6.如权利要求1所述的系统，其中，所述第二用户类型的所述身体规格的测量值包括：胸部尺寸、胸围尺寸、腰围尺寸、臀围尺寸、身高、臂长和内接缝长度。
7.如修改后的权利要求4所述的系统，其中，所捕捉的第一输入类型被所述第二输入单元使用三维对象管理应用编程接口(api)传输到所述化身生成单元。
8.如修改后的权利要求1所述的系统，其中，以所述半自动方式生成第二用户类型的所述三维化身包括下述步骤：
9.如权利要求1所述的系统，其中，所述化身生成引擎包括化身生成单元，所述化身生成单元由所述处理器执行并被配置为：基于至少应用数字图像处理技术和深度学习技术，以自动的方式生成所述第二用户类型的三维化身，并且其中，所述第二用户类型的三维化身是以在线模式实时自动生成的。
10.如权利要求1所述的系统，其中，所述第二用户类型的身体图像是从所述第二输入单元上的摄像头捕捉的，并且其中，所述第二用户类型经由所述第二输入单元上的所述摄像头，使用安装在所述第二输入单元上的用于捕捉所述第二输入类型的交互式web应用，从不同角度发起全身扫描。
11.如权利要求10所述的系统，其中，所述全身扫描以二维格式捕捉所述第二用户类型的一个或多个身体图像，并且其中，所捕捉的一个或多个身体图像包括所述第二用户类型的直姿图像、侧姿图像和脸部图像，并且其中，所述直姿图像包括所述第二用户类型的正面图像和背面图像，并且所述侧姿图像包括所述第二用户类型的右侧姿势图像和左侧姿势图像。
12.如权利要求9所述的系统，其中，所述化身生成单元被配置为基于采用身体测量应用编程接口(api)，从所述第二输入单元接收所述第二输入类型，以计算与所述第二输入类型相关联的所述第二用户类型的一个或多个身体测量值，并且其中，所述化身生成单元被配置为在所述第二用户类型的所述第二输入类型上应用所述数字图像处理技术和所述深度学习技术，以计算所述第二用户类型的所述一个或多个身体测量值。
13.如权利要求12所述的系统，其中，由所述化身生成单元应用的所述深度学习技术包括卷积神经网络(cnn)技术、图神经网络技术和胶囊神经网络技术，并且其中，所述化身生成单元被配置为在所述第二输入类型上并行地应用所述深度学习技术，以计算所述第二用户类型的身体测量值。
14.如权利要求12所述的系统，其中，在通过应用所述深度学习技术计算所述第二用户类型的所述身体测量值之前，所述化身生成单元被训练，其中，对所述化身生成单元的训练是使用多个数据集进行的，所述多个数据集包括与所述第二用户类型的多个身体测量值相关的样本集，所述多个身体测量值与所述第二用户类型的身体图像相关，并且其中，所述身体图像是至少使用所述第二输入单元上的摄像头并且从包括所述第二用户类型的视频剪辑捕捉的，并且其中，所述身体图像至少是所述第二用户类型的彩色图像、灰度图像和不同皮肤类型的图像。
15.如权利要求14所述的系统，其中，所述化身生成引擎的化身生成单元以自动的方式生成所述第二用户类型的所述三维化身包括下述步骤：
16.如权利要求15所述的系统，其中，胶囊神经网络(capsnet)由所述化身生成单元实现，以用于执行分割操作和计算所述第二用户类型的身体测量值，并且其中，所述capsnet架构包括两个卷积层(convl和conv2)和一个全连接层。
17.如权利要求16所述的系统，其中，实现所述capsnet以用于执行分割操作和计算所述第二用户类型的身体测量值包括下述步骤：
18.如权利要求15所述的系统，其中，所述化身生成单元被配置为对所分割的输出图像应用一种或多种分类技术，以计算所述第二用户类...
【专利技术属性】
技术研发人员：因陀罗·沙米尼·达纳，吉拉帕图鲁·苏布拉曼亚·文卡塔·拉达·克里希纳·饶，迪内什·雷迪·维穆拉，
申请(专利权)人：达纳公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。