Nos últimos anos, alguns cientistas da computação têm explorado o potencial das técnicas de Deep Learning para vestir virtualmente versões digitais 3D de humanos. Essas técnicas podem ter inúmeras aplicações valiosas, particularmente para compras online, jogos e geração de conteúdo 3D.
Dois pesquisadores da TCS Research, na Índia, criaram recentemente uma técnica de Deep Learning que pode prever como itens de roupa se adaptarão a uma determinada forma corporal e, portanto, como será a aparência em pessoas específicas. Esta técnica, apresentada no Workshop ICCV, superou outros métodos existentes de vestimentas corporais virtuais.
“As compras online de roupas permitem que os consumidores acessem e comprem uma ampla gama de produtos do conforto de suas casas, sem ir a lojas físicas”, disse Brojeshwar Bhowmick, um dos pesquisadores que realizou o estudo, à TechXplore. “No entanto, tem uma grande limitação: não permite que os compradores experimentem as roupas fisicamente, o que resulta em uma alta taxa de retorno / câmbio devido a problemas de ajuste das roupas. O conceito de prova virtual ajuda a resolver essa limitação.”
As ferramentas de experimentação virtual permitem que as pessoas que compram roupas online tenham uma ideia de como uma roupa caberia e ficaria nelas, visualizando-a em um avatar 3D (ou seja, uma versão digital de si mesmas). O potencial comprador pode inferir como o item que está pensando em comprar se encaixa observando as dobras e rugas do mesmo em várias posições ou de diferentes ângulos, bem como a lacuna entre o corpo do avatar e a roupa usada na imagem renderizada /vídeo.
Ele permite que os compradores visualizem qualquer peça de roupa em um avatar 3D deles, como se estivessem usando. Dois fatores importantes que um comprador considera ao decidir comprar uma roupa específica são o ajuste e a aparência. Em uma configuração de teste virtual, uma pessoa pode inferir como uma determinada roupa se ajusta observando as dobras e rugas em várias poses e a lacuna entre o corpo e a roupa na imagem ou vídeo renderizado.
“Trabalhos anteriores nesta área, como o desenvolvimento da técnica TailorNet, não levam em consideração as medidas do corpo humano subjacentes; portanto, suas previsões visuais não são muito precisas, no que se refere ao ajuste”, disse Bhowmick. “Além disso, devido ao seu design, a pegada de memória do TailorNet é enorme, o que restringe seu uso em aplicativos de tempo real com menos poder computacional.”
O principal objetivo do estudo recente de Bhowmick e seus colegas foi criar um sistema leve que considera as medidas do corpo de um ser humano e cobre roupas 3D sobre um avatar que corresponda a essas medidas corporais. Idealmente, eles queriam que esse sistema exigisse pouca memória e capacidade computacional, para que pudesse ser executado em tempo real, por exemplo, em sites de roupas online.
“DeepDraper é um sistema de drapeado para roupas baseado em Deep Learning que permite aos clientes experimentar virtualmente roupas de um guarda-roupa digital em seus próprios corpos em 3D”, explicou Bhowmick. “Basicamente, é necessária uma imagem ou um breve videoclipe do cliente e uma roupa de um guarda-roupa digital fornecido pelo vendedor como entradas.”
Inicialmente, o DeepDraper analisa imagens ou vídeos de um usuário para estimar sua forma corporal em 3D, pose e medidas corporais. Posteriormente, ele alimenta suas estimativas para uma rede neural drapeada que prevê como uma vestimenta ficaria no corpo do usuário, aplicando-a em um avatar virtual.
Os pesquisadores avaliaram sua técnica em uma série de testes e descobriram que ela superava outras abordagens de última geração, pois previa como uma vestimenta se ajustaria melhor e de forma mais realista aos usuários. Além disso, seu sistema era capaz de envolver roupas de qualquer tamanho em corpos humanos de todas as formas e com várias características.
“Outra característica importante do DeepDraper é que ele é muito rápido e pode ser compatível com dispositivos de baixo custo, como telefones celulares ou tablets”, disse Bhowmick. “Mais precisamente, o DeepDraper é quase 23 vezes mais rápido e quase 10 vezes menor no consumo de memória em comparação com seu concorrente Tailornet.”
No futuro, a técnica de drapeamento de vestuário virtual criada por essa equipe de pesquisadores poderá permitir que as empresas de roupas e moda aprimorem a experiência de seus usuários com as compras online. Ao permitir que os compradores em potencial tenham uma ideia melhor de como as roupas ficariam nelas antes de comprá-las, também poderia reduzir os pedidos de reembolso ou troca de produtos. Além disso, DeepDraper pode ser usado por desenvolvedores de jogos ou criadores de conteúdo de mídia 3D para vestir os personagens de forma mais eficiente e realista.
“Em nossos próximos estudos, planejamos estender o DeepDraper para experimentar virtualmente outras peças de vestuário desafiadoras, soltas e de várias camadas, como vestidos, vestidos, camisetas com jaquetas etc. Atualmente, o DeepDraper envolve a roupa em um corpo humano estático, mas eventualmente planejamos armar e animar a vestimenta de forma consistente enquanto os humanos se movem.”
Publicado em 27/10/2021 10h56
Artigo original:
Estudo original: