?️ Papeles de moda Cool-GenAI
??️???? Una lista seleccionada de recursos interesantes sobre GenAI-Fashion, que incluyen artículos, talleres, empresas y productos,...
No dude en enviar un PR o abrir un problema.
Tabla de contenido
La estructura de la categoría sigue moda tras moda: un informe sobre la IA en la moda
| Tipo | Categoría |
|---|
| Descripción general | - |
| Evaluación | - |
| Tecnología básica | Lenguaje de visión |
| Tecnología básica | Analizando |
| Tecnología básica | Segmentación, Reconocimiento |
| Tecnología básica | Detección |
| Tecnología básica | Estimación de pose, seguimiento |
| Venta | Recuperación |
| Venta | Agente de ventas |
| Venta | Generación de vídeo |
| Estilo | Aprendizaje de compatibilidad |
| Estilo | Recomendación de vestimenta |
| Diseño | Síntesis de diseño de moda |
| Diseño | Probar |
| Diseño | Edición |
| Diseño | Agente de diseño |
| Diseño | Síntesis 3D |
| Diseño | Síntesis 4D |
| Comprar | Análisis de tendencias |
| Comprar | Extracción de conocimiento |
gráfico LR
GenAIFashion[GenAI-Moda]
GenAIFashion --> Descripción general[Descripción general]
GenAIFashion --> Evaluación[Evaluación]
GenAIFashion --> BasicTech[Tecnología básica]
GenAIFashion --> Vender[Vender]
GenAIFashion --> Estilismo[Estilo]
GenAIFashion --> Diseño[Diseño]
GenAIFashion --> Comprando[Comprando]
BasicTech --> VisionLanguage[Lenguaje de visión]
BasicTech --> Análisis[Análisis]
BasicTech --> SegmentaciónReconocimiento[Segmentación, Reconocimiento]
BasicTech --> Detección[Detección]
BasicTech --> PoseEstimationTracking[Estimación de pose, seguimiento]
Venta --> Recuperación[Recuperación]
Venta --> Agente de Venta[Agente de Venta]
Vender --> VideoGeneration[Video Generation]
Estilo --> CompatibilidadAprendizaje[Aprendizaje de compatibilidad]
Estilo --> Recomendación de vestimenta[Recomendación de vestimenta]
Diseño --> ModaDiseñoSíntesis[Síntesis de diseño de moda]
Diseño --> TryOn[Probar]
Diseño --> Edición[Edición]
Diseño --> DesignAgent[Agente de diseño]
Diseño --> 3DSíntesis[Síntesis 3D]
Diseño --> 4DSynthesis[Síntesis 4D]
Compras --> Análisis de tendencias[Análisis de tendencias]
Compra --> Extracción de conocimiento[Extracción de conocimiento]
- ?Talleres
- Empresas, Productos
- Investigadores
- Informes de la industria
- Otros recursos de FashionAI
- Otros recursos de GenAI
Papeles
Descripción general
Resumen de los desarrollos de la tecnología.
| Título | Publicación | Papel | Tipo | Región |
|---|
| Un estudio comparativo de técnicas de drapeado de prendas | Preimpresión 2024 | papel | Descripción general | India |
| Una encuesta sobre inteligencia artificial en la moda | Proceso de señal IEEE. revista 2023 | papel | Descripción general | Taiwán (China) |
| Diseño de moda asistido por IA: una revisión | Acceso IEEE | papel | Diseño de moda | Porcelana |
| Tecnologías computacionales para la recomendación de moda: una encuesta | Computación ACM. Sobrevivir. | papel | Recomendación de moda | Hong Kong (China) |
| Una revisión de los sistemas modernos de recomendación de moda | Computación ACM. Sobrevivir. | papel | Recomendación de moda | Italia |
| Una encuesta sobre la recuperación de imágenes de moda | Computación ACM. Sobrevivir. | papel | Recuperación de moda | India |
| Generación humana guiada por la apariencia y la pose: una encuesta | Computación ACM. Sobrevivir. | papel | Generación de la moda | Hong Kong (China) |
| Aplicaciones analíticas en la gestión de la cadena de suministro de la moda: una revisión de la literatura y la práctica | IEEE Trans Eng Manager | papel | Cadena de suministro de moda | Alemania |
| Enfoques de aprendizaje profundo para la extracción de conocimientos sobre moda de las redes sociales: una revisión. | Acceso IEEE 2022 | papel | Extracción de conocimientos de moda | Italia |
| Definiendo la moda digital: remodelando el campo a través de una revisión sistemática | Computadora. Tararear. Comportamiento. 2022 | papel | Moda digital | Corea del Sur |
| Una revisión de las herramientas de IA (Inteligencia Artificial) y la experiencia del cliente en el comercio minorista de moda en línea | Int. Autobús JE. Res. 2022 | papel | Venta al por menor de moda | India |
| La moda se encuentra con la visión por computadora: una encuesta. | Computación ACM. Sobrevivir. 2021 | papel | Descripción general | Taiwán (China) |
| Moda inteligente: una revisión de las aplicaciones de IA en la industria de la moda y la confección | Preimpresión 2021 | papel | Descripción general | Irán |
| Moda después de la moda: un informe sobre la IA en la moda | Preimpresión 2021 | papel | Descripción general | Hong Kong(China) |
| Estética, personalización y recomendación: una encuesta sobre el aprendizaje profundo en la moda | Preimpresión 2021 | papel | Descripción general | Porcelana |
| Sistemas, modelos y métodos de recomendación de moda: una revisión | Informática 2021 | papel | Recomendación de moda | EE.UU |
| Una revisión detallada de la inteligencia artificial aplicada en la industria de la moda y la confección | Acceso IEEE 2019 | papel | Descripción general | Francia |
| Una descripción general del reconocimiento de imágenes y la recuperación de prendas de vestir | ARROZ 2018 | papel | Recuperación de moda | India |
| Cuando la multimedia se encuentra con la moda | IEEE Multimedia 2018 | papel | Descripción general | Porcelana |
| Análisis de la moda: técnicas actuales y direcciones futuras | IEEE Multimedia 2014 | papel | Descripción general | Singapur |
Evaluación
Protocolos de evaluación de tareas específicas
| Título | Publicación | Papel | Enlace | Región |
|---|
| ¿Qué tan buena es la capacidad estética de un modelo de moda? | CVPR 2022 | papel | conjunto de datos | Hong Kong (China) |
| Una evaluación de los componentes de la inteligencia artificial en las plataformas de moda de comercio electrónico | MundialCIST 2022 | papel | - | Portugal |
| ¿Dónde está mi ropa? Un enfoque multinivel para evaluar arquitecturas de segmentación de instancias profundas en imágenes de moda | CVPRW 2021 | papel | - | Francia |
| Evaluación de recomendaciones de moda: un enfoque de evaluación fuera de línea multifacético | recsysXmoda 2019 | papel | - | EE.UU |
Tecnología básica
Comprensión de las imágenes de moda.
Lenguaje de visión
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| Máscara de sincronización | SyncMask: enmascaramiento atencional sincronizado para el preentrenamiento del lenguaje y la visión centrado en la moda | CVPR 2024 | papel | - | Corea del Sur |
| FAMA-ViL | FAME-ViL: modelo visión-lenguaje multitarea para tareas de moda heterogéneas | CVPR 2023 | -> | proyecto | Reino Unido |
| ModaSAP | FashionSAP: símbolos y atributos propician una formación previa detallada en el lenguaje y la visión de la moda | CVPR 2023 | -> | proyecto | Porcelana |
| MVLT | Transformador de visión-lenguaje enmascarado en la moda | MIR 2023 | papel | - | Porcelana |
| AbrirModaCLIP | OpenFashionCLIP: aprendizaje contrastivo de visión y lenguaje con datos de moda de código abierto | ICIAP 2023 | -> | proyecto | Italia |
| - | Un marco de visión detallado y representación del lenguaje con conocimiento semántico de la moda basado en gráficos. | CAD/Gráficos 2023 | papel | - | Porcelana |
| ModaCLIP | Lenguaje contrastivo y aprendizaje visual de conceptos generales de moda. | Informes Científicos (2022) | papel | código | Canadá |
| ModaViL | Aprendizaje de representación del lenguaje y la visión centrado en la moda | ECVC 2022 | -> | proyecto | Reino Unido |
| Kaleido-BERT | Kaleido-BERT: formación previa visión-lenguaje en el ámbito de la moda | CVPR 2021 | papel | - | Porcelana |
Analizando
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| OMnet | OMNet: Outfit Memory Net para análisis de ropa | IJCCT 2023 | papel | - | Porcelana |
| UAM-Net | Modulación adyacente íntegra para el análisis de ropa. | PR 2022 | papel | código | Porcelana |
| - | Red de fusión de funciones para análisis de ropa. | IJMLC 2022 | papel | - | Porcelana |
| CCFNet | CCFNet: red de fusión cruzada complementaria para el análisis de escenas RGB-D de imágenes de ropa | JVCI 2022 | papel | - | Porcelana |
| - | ¡Descríbeme si puedes! Análisis humano caracterizado a nivel de instancia | ICIP 2021 | papel | - | Francia |
| - | Análisis humano progresivo de una sola vez | AAAI 2021 | papel | - | Sídney |
| MEDIDOR | Sizer: un conjunto de datos y un modelo para analizar ropa 3D y aprender ropa 3D sensible al tamaño | ECVC 2020 | papel | proyecto | Alemania |
| - | Análisis humano jerárquico con razonamiento de relación de partes escrito | CVPR 2020 | papel | código | Suiza |
| - | Análisis detallado de prendas: un enfoque de generación de cuerpos | ICME 2020 | papel | - | Porcelana |
| SP-FEN | Superpixels presenta Extractor Network (SP-FEN) para mejorar el análisis de ropa | NPL 2020 | papel | - | Malasia |
| mirar en persona | Mire a la persona: red conjunta de análisis corporal y estimación de posturas y un nuevo punto de referencia | TPAMI 2019 | papel | - | Porcelana |
| - | Análisis humano holístico a nivel de instancia | BMVC 2017 | papel | - | Reino Unido |
| - | Mirando el atuendo para analizar la ropa | Preimpresión 2017 | papel | - | Japón |
| - | Análisis de vídeo de vigilancia con supervisión de un solo cuadro | CVPR 2017 | papel | - | Porcelana |
| - | MRF reponderados mejorados para un análisis eficiente de imágenes de moda | TOM 2016 | papel | - | Canadá |
| - | Análisis conjunto de ropa mediante segmentación y etiquetado de imágenes conjuntas con aplicación a la recuperación de ropa | TMM 2016 | papel | - | Porcelana |
| - | Análisis basado en parselets: un modelo unificado de mezcla deformable para el análisis humano | TPAMI 2015 | papel | - | Singapur |
| - | Recuperar estilos similares a Parse Clothing | TPAMI 2014 | papel | - | Japón |
| - | Análisis de moda con contexto de vídeo | MM 2014 | papel | - | Singapur |
| - | Análisis de muñecas de papel: recuperación de estilos similares para analizar prendas de vestir | ICCV 2013 | papel | - | EE.UU |
| - | Análisis de moda con etiquetas de categorías de colores débiles | TMM 2013 | papel | - | Singapur |
| - | Análisis de ropa en fotografías de moda. | CVPR 2012 | papel | - | EE.UU |
Segmentación, Reconocimiento
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| - | Segmentación de ropa en capas basada en DETR y reconocimiento de atributos detallados | CVPRW 2023 | papel | - | Hong Kong (China) |
| formador de moda | Fashionformer: una línea de base simple, eficaz y unificada para la segmentación y el reconocimiento de la moda humana | ECVC 2022 | -> | proyecto | Porcelana |
| Modapedia | Fashionpedia: ontología, segmentación y un conjunto de datos de localización de atributos | ECVC 2020 | papel | - | EE.UU |
| - | Tarea de segmentación para moda y confección. | Preimpresión 2020 | papel | - | EE.UU |
| - | Estimación conjunta de poses de varias personas y segmentación de partes semánticas | CVPR 2017 | papel | - | EE.UU |
| Moda profunda | DeepFashion: potenciando el reconocimiento y la recuperación de ropa con anotaciones enriquecidas | CVPR 2016 | papel | - | Hong Kong(China) |
| - | Quién bloquea a quién: segmentación simultánea de ropa para agrupar imágenes | ICCV 2011 | papel | - | Porcelana |
Detección
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| - | Mejora de la detección de prendas de vestir con agrupación de categorías y ramas multigrano | Herramientas y aplicaciones multimedia 2022 | papel | - | EE.UU |
| Centro | CoRe: Regresión de color para prendas de moda multicolores | CVPRW 2022 | papel | - | Francia |
| - | Detección de hitos de moda y clasificación de categorías para robótica. | ICARSC 2020 | papel | - | Suiza |
| - | Agregación y ajuste para la detección de puntos de referencia en la ropa | Preimpresión 2020 | papel | código | Porcelana |
| - | Atención no local con conciencia espacial para la detección de puntos de referencia de la moda | ICME 2019 | papel | - | Porcelana |
| - | Razonamiento de diseño gráfico para la detección de hitos de moda | CVPR 2019 | papel | - | Porcelana |
| DeepFashion2 | DeepFashion2: un punto de referencia versátil para la detección, estimación de pose, segmentación y reidentificación de imágenes de ropa | CVPR 2019 | papel | - | Porcelana |
| - | Un módulo de incrustación global-local para la detección de puntos de referencia de la moda | ICCVW 2019 | papel | - | Corea |
| - | Detección sin restricciones de puntos de referencia de la moda a través de redes jerárquicas de transformadores recurrentes | MM 2017 | papel | - | Hong Kong (China) |
| - | Detección de hitos de moda en la naturaleza | ECVC 2016 | papel | - | Hong Kong(China) |
Estimación de pose, seguimiento
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| Seguimiento de prendas | GarmentTracking: seguimiento de posturas de prendas a nivel de categoría | CVPR 2023 | -> | proyecto | Porcelana |
| Redes de ropa | GarmentNets: estimación de pose a nivel de categoría para prendas mediante la finalización de forma de espacio canónico | ICCV 2021 | -> | proyecto | EE.UU |
Venta
Venta en línea
Recuperación
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| M3-Neto | Atributo de aprendizaje y dúo de representación específica de clase para un análisis de moda detallado | CVPR 2023 | papel | - | EE.UU |
| - | Red dinámica para la recuperación de moda basada en el lenguaje | MMIR '23 (taller MM 2023) | papel | - | Porcelana |
| MODC | Aprendizaje detallado de la representación de la moda mediante agrupación profunda en línea | ECVC 2022 | papel | - | EE.UU |
| ModaVLP | FashionVLP: Transformador del lenguaje visual para la recuperación de moda con comentarios | CVPR 2022 | papel | - | EE.UU |
| CLIP EI | EI-CLIP: Aprendizaje contrastivo intervencionista consciente de la entidad para la recuperación intermodal de comercio electrónico | CVPR 2022 | papel | - | EE.UU |
| DAtRNet | DAtRNet: Desenredar la incrustación de atributos de moda para la recuperación de artículos sustitutos | CVPRW 2022 | papel | - | India |
| UIGR | UIGR: Recuperación interactiva unificada de prendas | CVPRW 2022 | papel | código | Reino Unido |
| CIRPLANTA | Recuperación de imágenes de la vida real con modelos de visión y lenguaje previamente entrenados | ICCV 2021 | papel | - | Australia |
| Coeficiente intelectual de la moda | Fashion IQ: un nuevo conjunto de datos para recuperar imágenes mediante comentarios en lenguaje natural | CVPR 2021 | papel | - | EE.UU |
| - | Recuperación multimodal interpretable para productos de moda | MM 2018 | papel | - | Singapur |
| MALDITO | Recuperación de imágenes entre dominios con una red de clasificación con reconocimiento de atributos duales | ICCV 2015 | papel | - | Singapur |
Agente de ventas
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| Moda-GPT | Fashion-GPT: Integración de LLM con el sistema de recuperación de moda | LGM3A '23 (taller MM 2023) | papel | - | Singapur |
| ModaVQA | FashionVQA: un sistema visual de respuesta a preguntas de dominio específico | CVPRW 2023) | papel | - | EE.UU |
| VSE | Interpretación de expresiones ambiguas específicas de la moda con incrustación visual-semántica parcial | CVPRW 2023) | papel | - | Japón |
| - | Un asistente de compras conversacional para tiendas virtuales en línea | MM 2022 | papel | - | Portugal |
Generación de vídeo
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| GPT4Movimiento | GPT4Motion: secuencias de comandos de movimientos físicos en la generación de texto a video mediante planificación GPT orientada a Blender | Preimpresión 2023 | -> | proyecto | Porcelana |
| Animar a cualquiera | Anima a cualquiera: síntesis de imagen a vídeo consistente y controlable para la animación de personajes | Preimpresión 2023 | -> | proyecto | Porcelana |
| wFlujo | Vestirse salvajemente viendo vídeos de baile | CVPR 2022 | -> | proyecto | Porcelana |
| PañoEx | ClothFormer: Prueba virtual de video de domesticación en todos los módulos | CVPR 2022 | -> | proyecto | Porcelana |
Estilo
Estilo personal
Aprendizaje de compatibilidad
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| FCBoost-Net | FCBoost-Net: una red generativa para sintetizar múltiples conjuntos colocados mediante el aumento de la compatibilidad de la moda | MM 2023 | papel | - | Porcelana |
Recomendación de vestimenta
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| CP-TransMatch | Modelado de conectividad multirrelacional para una combinación de moda personalizada | MM 2023 | papel | - | Hong Kong (China) |
| MAYÚS15M | SHIFT15M: Conjunto de datos específicos de moda para hacer coincidir conjunto a conjunto con varios cambios de distribución | CVPRW 2023) | papel | código | Japón |
| BiHGH | Hashing de gráficos heterogéneos bidireccionales para una recomendación de vestimenta eficiente | MM 2022 | papel | - | Australia |
| TrajeTransformer | OutfitTransformer: representaciones de atuendos para recomendaciones de moda | CVPRW 2022 | papel | - | EE.UU |
| TrajeGAN | OutfitGAN: aprendizaje de artículos compatibles para conjuntos de moda generativa | CVPRW 2022 | papel | - | EE.UU |
| GraduadoREC | "¿Viene en negro?" Los modelos tipo CLIP son recomendadores de tiro cero | ECNLP 5 (taller ACL 2022) | papel | código | Milán |
Diseño
Síntesis de diseño de moda
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| EstiloMe | StyleMe: Hacia una generación de moda inteligente con estilo de diseñador | CHI 2023 | papel | código | Porcelana |
| moda.generativa | Modelando el futuro: liberando el potencial creativo de los modelos generativos profundos para la exploración espacial del diseño | CHIEA 2023 | papel | proyecto | Suiza |
| Archivo de IA | IA generativa para la creación de conceptos en el diseño de calzado | CHARLA-INVITADA (SIGGRAPH 2023) | papel | - | Alemania |
| UnidosHumano | UnitedHuman: Aprovechamiento de datos de múltiples fuentes para la generación humana de alta resolución | ICCV 2023 | -> | proyecto | Porcelana |
| Libertad | FreeDoM: modelo de difusión condicional guiado por energía sin entrenamiento | ICCV 2023 | papel | código | Porcelana |
| diferencia de caja | BoxDiff: Síntesis de texto a imagen con difusión restringida por cuadros sin capacitación | ICCV 2023 | papel | código | Singapur |
| ControlNet | Agregar control condicional a los modelos de difusión de texto a imagen | ICCV2023 | papel | código | EE.UU |
| Estilo rápido | PromptStyler: generación de estilos basada en indicaciones para la generalización de dominios sin fuente | ICCV 2023 | -> | proyecto | Corea del Sur |
| Difusor | Diffusart: mejora de la coloración del arte lineal con modelos de difusión condicional | CVPRW 2023 | papel | - | Francia |
| Gatha | Gatha: Pérdida relacional para mejorar la transferencia de estilo basada en texto | CVPRW 2023 | papel | - | EE.UU |
| DiffModa | Diseño de moda guiado por referencias de imágenes con transferencia consciente de la estructura mediante modelos de difusión | CVPRW 2023 | papel | código | Porcelana |
| VectorFusion | VectorFusion: conversión de texto a SVG mediante la abstracción de modelos de difusión basados en píxeles | CVPR 2023 | -> | proyecto, código no oficial | EE.UU |
| DiffSketcher | DiffSketcher: Síntesis de bocetos vectoriales guiada por texto a través de modelos de difusión latente | PNI 2023 | -> | proyecto | Porcelana |
| SGDif | SGDiff: un modelo de difusión guiada por estilo para la síntesis de moda | MM 2023 | papel | código | Hong Kong (China) |
| ModaDiff | FashionDiff: un modelo de difusión controlable que utiliza elementos de moda por pares para un diseño inteligente | MM 2023 | papel | - | Porcelana |
| InspirNET | InspirNET: una red antagónica generativa no supervisada con desenredo controlable de texturas de grano fino para la generación de moda | MM 2023 | papel | - | Porcelana |
| - | Hacia un diseño interactivo inteligente: un marco de generación basado en elementos de moda multidominio | MM 2023 | papel | - | Porcelana |
| - | Predicción UV de prendas guiadas normalmente para la retexturización humana | CVPR 2023 | papel | - | EE.UU |
| TemporalUV | TemporalUV: captura de ropa holgada con coordenadas UV temporalmente coherentes | CVPR 2022 | papel | - | Alemania |
| ARMANI | ARMANI: Alineación de texto-prenda a nivel parcial para un diseño de moda intermodal unificado | MM 2022 | papel | - | Porcelana |
| Alfombra AI | Alfombra AI: generación automática de patrones estéticos de alfombras | MM 2022 | papel | - | Porcelana |
| ImageNet portátil | Wearable ImageNet: síntesis de texturas enlosables mediante destilación de conjuntos de datos | CVPRW 2022 | papel | proyecto | EE.UU |
| Clasificar en estilo | Clasificar con estilo: un enfoque basado en clasificaciones para encontrar direcciones interpretables | CVPRW 2022 | papel | - | Pavo |
Probar
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| ModaTex | FashionTex: Prueba virtual controlable con texto y textura. | SIGGRAFO 2023 | papel | código | Porcelana |
| FreqHPT | FreqHPT: atención consciente de la frecuencia y fusión de flujo para la transferencia de postura humana | CVPRW 2023) | papel | - | Porcelana |
| SAL-VTON | Vincular la prenda con la persona a través de puntos de referencia asociados semánticamente para una prueba virtual | CVPR 2023 | papel | proyecto | Porcelana |
| PruebaOnDiffusion | TryOnDiffusion: Una historia de dos UNets | CVPR 2023 | -> | proyecto | EE.UU |
| GP-VTON | GP-VTON: Hacia una prueba virtual de propósito general a través del aprendizaje colaborativo de análisis global de flujo local | CVPR 2023 | -> | proyecto | Porcelana |
| LaDI-VTON | LaDI-VTON: prueba virtual mejorada de inversión textual de difusión latente | MM 2023 | papel | código | Italia |
| DCI-VTON | Dominando el poder de los modelos de difusión para una prueba virtual de alta calidad con flujo de apariencia | MM 2023 | papel | código | Porcelana |
| PG-VTON | PG-VTON: un novedoso método de prueba virtual basado en imágenes mediante un paradigma de inferencia progresiva | TMM 2023 | papel | código | Porcelana |
| DOC-VTON | OccluMix: Hacia una prueba virtual de desoclusión mediante una mezcla guiada semánticamente | TMM 2023 | papel | código | Porcelana |
| EstableVITON | StableVITON: Aprendizaje de correspondencia semántica con modelo de difusión latente para prueba virtual | Preimpresión 2023 | -> | proyecto | Corea del Sur |
| - | Un sistema de prueba virtual basado en imágenes de alta resolución en el escenario de comercio electrónico de Taobao | MM 2022 | papel | - | Porcelana |
| GT-DEBE | GT-MUST: Prueba privada aprendiendo la transformación específica del maniquí | MM 2022 | papel | - | Porcelana |
| PL-VTON | Prueba virtual progresiva con reconocimiento de extremidades | MM 2022 | papel | - | Porcelana |
| Código de vestimenta | Código de vestimenta: prueba virtual de múltiples categorías de alta resolución | CVPRW 2022 | papel | proyecto | Italia |
| DBCT | Transformador colaborativo de doble rama para prueba virtual | CVPRW 2022 | papel | - | Italia |
| DP-VTON | Hacia una prueba virtual detallada que preserve las características | CVPRW 2022 | papel | - | Corea del Sur |
| Flow-Style-VTON | Flujo de apariencia global basado en estilos para pruebas virtuales | CVPR 2022 | -> | proyecto | Reino Unido |
| RT-VTON | Prueba virtual de rango completo con transformación recurrente de tres niveles | CVPR 2022 | -> | proyecto | China, Singapur |
| DGP | Generación de modelos de ropa de alta fidelidad débilmente supervisados | CVPR 2022 | papel | - | Porcelana |
Edición
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| Tienda de patrones | Patternshop: Edición de patrones de puntos mediante manipulación de imágenes | SIGGRAFO 2023 | -> | proyecto | Alemania |
| MGD | Diseñador de prendas multimodal: modelos de difusión latente centrados en el ser humano para la edición de imágenes de moda | ICCV 2023 | papel | código | Italia |
| Editar cualquier cosa | EditAnything: potenciando una flexibilidad incomparable en la edición y generación de imágenes | MM 2023 | papel | proyecto | Porcelana |
| Bosquejo | SketchEdit: manipulación de imágenes locales sin máscaras con bocetos parciales | CVPR 2022 | -> | proyecto | EE.UU |
Agente de diseño
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| Matriz de moda | Fashion Matrix: edición de fotografías con solo hablar | Preimpresión 2023 | -> | proyecto | Porcelana |
Síntesis 3D
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| Prenda3DGen | Garment3DGen: Estilización de prendas y generación de texturas en 3D | arXiv 2024 | -> | proyecto | EE.UU |
| En3D | En3D: un modelo generativo mejorado para esculpir seres humanos en 3D a partir de datos sintéticos en 2D | Preimpresión 2024 | -> | proyecto | Porcelana |
| coserex | Hacia la reconstrucción de patrones de costura de prendas a partir de una única imagen | TOG (SIGGRAPH Asia 2023) | -> | proyecto | Singapur |
| GTA | Transformador de desacoplamiento 3D correlacionado globalmente para la reconstrucción de avatares vestidos | PNI 2023 | -> | proyecto | Porcelana |
| SeSDF | SeSDF: campo de distancia firmado autoevolucionado para la reconstrucción humana vestida en 3D implícita | CVPR 2023 | papel | - | Hong Kong (China) |
| Soja | Shape of You: estimaciones precisas de la forma en 3D para diversos tipos de cuerpo | CVPRW 2023) | papel | - | EE.UU |
| KCuerpo | KBody: Estimación monocular equilibrada de todo el cuerpo | CVPRW 2023) | papel | proyecto | EE.UU |
| AUTO | Reconstrucción de avatar vestido de alta fidelidad a partir de una sola imagen | CVPR 2023 | -> | proyecto | Porcelana |
| DIFU | DIFU: función implícita guiada en profundidad para la reconstrucción humana vestida | CVPR 2023 | -> | proyecto | Corea del Sur |
| NeuralUDF | NeuralUDF: aprendizaje de campos de distancia sin firmar para la reconstrucción multivista de superficies con topologías arbitrarias | CVPR 2023 | -> | proyecto | Hong Kong (China) |
| REC-MV | REC-MV: Reconstrucción de tela dinámica 3D a partir de vídeos monoculares | CVPR 2023 | -> | proyecto | Porcelana |
| Obtener3DHumano | Get3DHuman: Transformación de StyleGAN-Human en un modelo generativo 3D utilizando antecedentes de reconstrucción alineados con píxeles | ICCV2023 | -> | proyecto | Porcelana |
| paso de pelo | HairStep: transfiera lo sintético a lo real usando mapas de profundidad y hebras para modelado de cabello en 3D de vista única | CVPR 2023 | -> | proyecto | Porcelana |
| economía | ECON: Humanos vestidos explícitos Optimizados mediante integración normal | CVPR 2023 | -> | proyecto | Alemania |
| drapenet | DrapeNet: generación de prendas y drapeado autosupervisado | CVPR 2023 | -> | proyecto | Suiza |
| AnclaDEF | Aprendizaje de transformaciones de anclas para animación de prendas en 3D | CVPR 2023 | -> | proyecto | Porcelana |
| Armario | CloSET: Modelado de humanos vestidos en una superficie continua con descomposición explícita de plantillas | CVPR 2023 | -> | proyecto | Porcelana |
| - | Captura de actuación humana vestida con campos de radiación neuronal de doble capa | CVPR 2023 | papel | - | Porcelana |
| CAPUCHA | HOOD: Gráficos jerárquicos para modelado generalizado de la dinámica de la ropa | CVPR 2023 | -> | proyecto | Suiza |
| xPaño | xCloth: extracción de ropa 3D texturizada sin plantillas a partir de una imagen monocular | MM 2023 | papel | - | India |
| AvatarFusión | AvatarFusion: generación de disparo cero de avatares 3D desacoplados de ropa mediante difusión 2D | MM 2023 | papel | proyecto | Porcelana |
| Control3D | Control3D: hacia una generación controlable de texto a 3D | MM 2023 | papel | - | Porcelana |
| Sincuerpo | SynBody: conjunto de datos sintéticos con modelos humanos en capas para modelado y percepción humana en 3D | ICCV 2023 | -> | proyecto | Porcelana |
| EVA3D | EVA3D: Generación humana composicional 3D a partir de colecciones de imágenes 2D | ICLR 2023 | -> | proyecto | Singapur |
| ReFU | Una unidad de fuerza repulsiva para el manejo de colisiones de prendas en redes neuronales | ECVC 2022 | -> | proyecto | EE.UU |
| AJUSTADO | SNUG: Prendas dinámicas neuronales autosupervisadas | CVPR 2022 | -> | proyecto | España |
| ICONO | ICONO: Humanos vestidos implícitos obtenidos de normales | CVPR 2022 | -> | proyecto | Alemania |
| Costuras verdaderas | True Seams: Modelado de costuras en prendas digitales | SIGGRAFO 2022 | -> | proyecto | EE.UU |
| Huesos virtuales | Predicción de deformaciones de prendas holgadas mediante redes de movimiento impulsadas por huesos | SIGGRAFO 2022 | -> | proyecto | Porcelana |
| CruzHumano | CrossHuman: aprendizaje de orientación cruzada a partir de imágenes de fotogramas múltiples para la reconstrucción humana | MM 2022 | papel | - | Porcelana |
| Arrecife | Registro de lo explícito a lo implícito: hacia una reconstrucción de mallas de prendas de vestir de alta fidelidad a partir de imágenes individuales | CVPR 2022 | -> | proyecto | Porcelana |
| FORMUM | Reconstrucción monocular fotorrealista en 3D de seres humanos vestidos | CVPR 2022 | -> | proyecto | EE.UU |
| NeuralSastre | NeuralTailor: reconstrucción de estructuras de patrones de costura a partir de nubes de puntos 3D de prendas | SIGGRAFO 2022 | papel | - | Corea del Sur |
Síntesis 4D
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| palabrarobe | WordRobe: Generación guiada por texto de prendas texturizadas en 3D | arXiv 2024 | papel | proyecto | India |
| tela4d | CLOTH4D: un conjunto de datos para la reconstrucción humana vestida | CVPR 2023 | -> | proyecto | Hong Kong (China) |
| Garment4D | Garment4D: Reconstrucción de prendas a partir de secuencias de nubes de puntos | PNI 2021 | -> | proyecto | Singapur |
Comprar
Análisis de tendencias
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| ESTALLIDO | POP: Rendimiento potencial minero de nuevos productos de moda a través de la expansión web de consultas multimodales | ECVC 2022 | -> | proyecto | Italia |
| Visuelle 2.0 | El universo multimodal del fast fashion: el punto de referencia Visuelle 2.0 | CVPRW 2022 | papel | proyecto | Italia |
Extracción de conocimiento
| Modelo | Título | Publicación | Papel | Enlace | Región |
|---|
| - | Extracción de conocimientos de moda multimodal como subtítulos | SIGIR-AP 2023 | papel | - | Hong Kong(China) |
| - | ¿Quién, dónde y qué ponerse?: extrayendo conocimiento sobre moda de las redes sociales | MM 2019 | papel | - | Singapur |
| - | Describir la ropa por atributos semánticos | ECVC 2012 | papel | - | EE.UU |
?Talleres
- Visión por computadora para moda, arte y diseño (Taller CVPR): CVFAD 2023, CVFAD 2022
- Computación multimedia hacia la recomendación de moda (Taller ACM MM): MCFR 2022
- Aprendizaje automático para la creatividad y el diseño (Taller NeurIPS): ML4CD 2023, ML4CD 2022
- IA creativa en todas las modalidades (Taller AAAI): creativeAI 2023
- recsysXfashion (Taller RecSys): recsysXfashion 2022, recsysXfashion 2021
Empresas, Productos
| Nombre | Encontró | Información | Noticias |
|---|
| CALA | 2016 | Interfaz de la cadena de suministro de moda que unifica diseño, desarrollo, producción y logística. | 2022.11 |
| Investigación Zalando | 2016 | Investigación | Asistente de moda 2023.04 impulsado por ChatGPT |
| Vue.ai | 2016 | Análisis de IA minorista, avatar de IA | - |
| 极睿 infimind | 2017 | Contenido del producto de moda | 2023.11 entrevista en mandarín |
| 知衣 zhiyi | 2018 | Colaboración en diseño de moda | 2023.08 Difusión de la moda |
| LALALAND | 2019 | Avatar de IA, contenido de productos de moda | 2023.08 colabora con Browzwear-VStitcher |
| estampadoai | 2021 | Diseño de patrones | - |
| Diseño.Ai | - | Diseño de estampados y patrones. | - |
| AIMDE-Symmpix | 2023 | Patrón de moda, 3D | 2023.11 nueva característica |
| tienda | 2023 | Avatar de IA y contenido de productos de moda | una subsidiaria de MOGU |
| Wondershare VirtuLook | 2023 | Avatar de IA y contenido de productos de moda | una subsidiaria de Wondershare |
| Corte de píxeles | 2022 | Herramientas de edición impulsadas por IA (contenido del producto) | - |
| CreadorKit | 2020 | Contenido de productos de IA, vídeos | - |
| Imagen profunda | 2022 | Contenido del producto de IA | - |
| Sin consolidar | - | asistente personal de negocios con IA | - |
| IA Zeg | 2018 | Contenido de productos de IA, vídeos, renderizado 3D | - |
| - | - | - | - |
Investigadores
| Grupo/Laboratorio/Univ | Investigadores |
|---|
| Laboratorio GAP-CUHKSZ | Xiaoguang Han |
| Laboratorio HCP-I2-SYSU | Xiaodan Liang, Zhenyu Xie |
| Golpear talla | Haijun Zhang |
| AiDlab-PolyU+RCA | Calvin WONG, Xingxing Zou, PYMok |
| MMLab-NTU | Ziwei Liu |
| UIUC | Ranjitha Kumar |
| AImageLab | Rita Cucchiara |
| La Universidad de Utah | Ziad Al-Halah |
| Tecnología de Georgia | Devi Parikh |
| Universidad de Austin | Kristen Grauman |
| Cornell | Kavita Bala |
| MPI-IS | miguel negro |
Informes de la industria
| Informes | Organización | Tiempo |
|---|
| Segundo acto de la IA generativa | SECOYA | 2023.09 |
| ¿Cómo utilizan los consumidores la IA generativa? | A16Z | 2023.09 |
| Perspectivas de la industria de la moda mundial y china en 2035 | Roland Berger | 2023.08 |
| El manual completo para la IA generativa en la moda | bof | 2023.06 |
| IA generativa: desbloqueando el futuro de la moda | McKinsey | 2023.03 |
Otros recursos de FashionAI
- Conjuntos de datos de moda
- Artículos de moda geniales (antes de 2022)
- impresionante-moda-ai
- Encuesta AI4Design
- papeles de imagen a imagen
- Impresionante investigación de prueba virtual (VTON)
- Transferencia de pose impresionante
- Reconstrucción del cuerpo humano
Otros recursos de GenAI
- La hoja de ruta de la IA generativa
- impresionantes-ai-herramientas
- Encuesta de Maestría en Derecho
- Lista de documentos de agentes de LLM
- Impresionante-modelo-de-difusión-para-procesamiento-de-imágenes
- Síntesis y edición de imágenes multimodales: la era de la IA generativa
- Encuesta de inversión GAN
- Una encuesta sobre la síntesis de imágenes generativas profundas con reconocimiento 3D
- Impresionante generación 3D
- La IA generativa se encuentra con el 3D: una encuesta sobre la conversión de texto a 3D en la era AIGC
- Impresionante tecnología GenAI
