（AIGC）FIRST：百万数据集用于文本驱动的服饰合成和设计

整理：AI算法与图像处理

欢迎关注公众号 AI算法与图像处理，获取更多干货：

推荐

微信交流群现已有2000+从业人员交流群，欢迎进群交流学习，微信：nvshenj125

B站最新成果demo分享地址：https://space.bilibili.com/288489574

顶会工作整理Github repo：https://github.com/DWCTOD/CVPR2023-Papers-with-Code-Demo

论文速读

FIRST：百万数据集用于文本驱动的服饰合成和设计

标题: FIRST: A Million-Entry Dataset for Text-Driven Fashion Synthesis and Design

论文：https://arxiv.org/pdf/2311.07414.pdf

摘要：

文本驱动的时尚合成和设计是人工智能生成内容（AIGC）中极其有价值的一部分，它有潜力推动传统时尚行业的巨大革命。为了推进文本驱动的时尚合成和设计的研究，我们引入了一个新的数据集，其中包含一百万张高分辨率时尚图像以及丰富的结构化文本（FIRST）描述。在 FIRST 中，有各种各样的服装类别，每个图像配对的文本描述都按多个层次结构进行组织。对通过 FISRT 训练的流行生成模型进行的实验表明了 FIRST 的必要性。我们邀请社区进一步开发更智能的时装合成和设计系统，使时装设计基于我们的数据集更具创意和想象力。数据集即将发布

主要贡献：

图像中出现的三大类失败案例由 SDXL 制作。(a) 显示了不自然的结构的面孔。(b) 包含生成的衣服的不正确结构。(c) 显示了弱可控性SDXL。

• 我们推出了第一个拥有一百万个实例的大规模时尚生成数据集，称为FIRST。该数据集包括分层和结构化文本注释，适合训练文本控制的时尚生成模型。此外，我们对此数据集提出了两个挑战。

• 初步的定量和定性实验表明，FIRST可以有效提高服饰stable diffusion的生成质量，提高文本对生成图像的控制。

数据 :

效果展示：

更多细节参考论文原文和GitHub项目，如果有帮助欢迎转发，感谢

工作整理

CVPR 2023

Updated on : 14 Nov 2023

total number : 2

Towards Automatic Honey Bee Flower-Patch Assays with Paint Marking Re-Identification

• 论文/Paper: http://arxiv.org/pdf/2311.07407

• 代码/Code: None

DialMAT: Dialogue-Enabled Transformer with Moment-Based Adversarial Training

• 论文/Paper: http://arxiv.org/pdf/2311.06855

• 代码/Code: https://github.com/keio-smilab23/dialmat

WACV 2024

Updated on : 14 Nov 2023

total number : 4

Registered and Segmented Deformable Object Reconstruction from a Single View Point Cloud

• 论文/Paper: http://arxiv.org/pdf/2311.07357

• 代码/Code: None

Unsupervised and semi-supervised co-salient object detection via segmentation frequency statistics

• 论文/Paper: http://arxiv.org/pdf/2311.06654

• 代码/Code: None

CrashCar101: Procedural Generation for Damage Assessment

• 论文/Paper: http://arxiv.org/pdf/2311.06536

• 代码/Code: None

CVTHead: One-shot Controllable Head Avatar with Vertex-feature Transformer

• 论文/Paper: http://arxiv.org/pdf/2311.06443

• 代码/Code: None

NeurIPS 2023

Updated on : 14 Nov 2023

total number : 4

Robust semi-supervised segmentation with timestep ensembling diffusion models

• 论文/Paper: http://arxiv.org/pdf/2311.07421

• 代码/Code: None

Adaptive recurrent vision performs zero-shot computation scaling to unseen difficulty levels

• 论文/Paper: http://arxiv.org/pdf/2311.06964

• 代码/Code: None

LayoutPrompter: Awaken the Design Ability of Large Language Models

• 论文/Paper: http://arxiv.org/pdf/2311.06495

• 代码/Code: https://github.com/microsoft/layoutgeneration

Sounding Bodies: Modeling 3D Spatial Sound of Humans Using Body Pose and Audio

• 论文/Paper: http://arxiv.org/pdf/2311.06285

• 代码/Code: None