徐 俊，普园媛,b，徐 丹，赵征鹏，钱文华，吴 昊，阳秋霞

(云南大学 a.信息学院，b.云南省高校物联网技术及应用重点实验室，昆明 650504)

随着互联网技术的迅猛发展，越来越多的人喜欢在电商平台(如淘宝、蘑菇街、唯品会)购买衣服。但由于电商平台的特殊性，人们只能通过虚拟模特来观察服装效果，并不能直观地判断服装是否适合自己。针对如何让服装虚拟试穿到用户身上是目前试衣领域的研究热点，用户通过试衣结果体验自己穿着不同款式的服装，可以直观判断自己是否心仪某件衣服，从而帮助用户做出购买决策。

为了满足上述需求，学者们将GAN[1]应用于虚拟试衣任务，借助GAN将服装虚拟试穿到人物图像上，直观观察服装试穿效果。而虚拟试衣与图像生成[2-3]、图像翻译[4-6]以及图像编辑[7]等任务有着本质的不同。虚拟试衣时图像会产生几何形变，细节特征容易丢失，因此学者将传统的像素间损失(L1和L2损失)和感知损失[8]引入到GAN中，来保留图像信息。此外还引入了对抗损失[4]，最大限度减小对抗损失，使得生成器生成的图像更接近原始图像，但是会遗漏关键的细节特征。在面临巨大的几何变化时，细节的保存能力较差，这就限制了GAN在虚拟试衣中的应用。

DONGGEUN et al[9]采用结合GAN和深度CNN的方式来完成图像生成任务，在没有考虑人物姿势的前提下，通过穿着服装的人物图像生成其上衣图像。LASSNER et al[10]提出了图像级穿着全身服装的人物生成模型，可以根据人物姿势形态进行服装调整，但服装是随机生成，并没有考虑如何控制服装项。……