2D虚拟试衣——服装变形_虚拟试穿代码

1、TPS（Thin Plate Spline）方法

TPS（薄板样条）插值是常用的2D插值方法。来表达薄金属板的物理弯曲能与点约束的关系（用一个薄钢板的形变来模拟2D形变，确保这N个点能够正确匹配，那么怎样的形变，可以使钢板的弯曲能量最小）。

补充：插值的常用方式

​ 将一张图片（包含10个像素点）扩大10倍，得到一张新图（包含100个像素点），其中90个像素点的值是缺少的，此时就可以使用插值法解决缺失问题。

给定两张图片中一些相互对应的关键点，将其中一张图片形变到另外一张图片上，使得这些关键点都对应重合。

其中，A和B为非变形的基本网络。C为B变成A得到的TPS样条曲面。D为A变成B得到的TPS样条曲面。

2、空间变换

2.1、affine（2D仿射变换）

2.2、projection（3D透视变换）

3、STN（Spatial Transformer Networks）

补充：CNN层数越深，语义信息越丰富，空间信息越贫乏。

​ 当是一张人的图片时，CNN层数越深，经过不断的卷积，可以提取出“眼睛”、“耳朵”等具体的语义信息，并将其组合在一起，从而判断是人还是狗。但是，经过多次卷积操作（还包括池化层），使得特征图越来越小，已经逐渐忘记了它在原始图像上的位置，空间信息贫乏。

​ CNN具有空间不变性，就是说对位置信息不敏感，即比如图中有一只狗，无论在图像上对这只狗进行平移、旋转、缩放等操作，CNN依然能判断这是一只狗。

​ STN允许在网络内对数据进行空间操作。这个可微模块可以插入到现有的卷积架构中，使神经网络能够根据特征图本身的条件主动进行空间变换，而无需任何额外的训练监督或对优化过程进行修改。STN的作用类似于传统的矫正的作用。

STN网络结构

Localisation Net：简单的回归网络。对输入图片U进行CNN，输出Aθ（假设是仿射变换，得到2x3的矩阵，共6个角度值）

Grid generator：初始V没有像素信息（可以想象成全白或全黑图）只有位置信息（比如（0，0）（0，1）…）。Grid generator负责将V的位置信息与Aθ运算，得到对应原始图中对应的坐标信息T(G)（比如（5，0）（5，1）…）。

​ 其中，s对应原始图位置坐标，t对应目标图位置坐标，Aθ为变换矩阵。

注意：V的位置信息与Aθ运算得到T(G)，可是T(G)的值（x，y）很可能是非整数，无法与原图像中的像素坐标对应起来，导致像素值缺失问题，于是考虑使用插值法，求出输出像素点的取值，解决像素值缺失问题。

Sampler：通过T(G)和原始图U的像素，将对应位置的像素复制到V中，得到目标图像素V。

4、CNN求得θ

1. 用深度学习方法模拟经典的图像相似度估计问题
2. 用深度学习方法估计仿射变换参数Aθ（对图片进行仿射变换，使得原图关键点与目标图片关键点在位置上粗对齐，便于后面进行TPS），以及更为复杂的TPS transformation

End-to-End模型

输入：两张图片IA和IB

特征提取：双路CNN（如：VGG16），权值共享，对IA和IB提取特征fA与fB

Matching：使用correlation-layer，把两路CNN提取的特征融合为一个向量，即fA与fB进行点乘得到correlation map，得到correlation map 后，使用ReLU+L2Norm对相似度进行归一化，以凸显相似度高的点，得到fAB。

Regression CNN：输入correlation map，得到仿射变换的6个参数Aθ，回归层中使用卷积层而不是全连接层，防止梯度爆炸。

参考：
综述：利用深度学习实现的虚拟试衣技术（基于图像）
Convolutional neural network architecture for geometric matching 论文笔记