近年来，一些计算机科学家一直在探索深度学习技术在虚拟装扮人类 3D 数字版本方面的潜力。这种技术可以有许多有价值的应用，特别是对于在线购物、游戏和 3D 内容生成。

印度 TCS Research 的两名研究人员最近开发了一种深度学习技术，可以预测衣服将如何适应给定的体型，从而预测特定人群的穿着效果。这种在 ICCV 研讨会上展示的技术已被发现优于其他现有的虚拟人体服装方法。

进行这项研究的研究人员之一布罗杰什瓦尔·鲍米克 (Brojeshwar Bhowmick) 表示，在线购买衣服使消费者可以在家中舒适地访问和购买各种产品，而无需去实体店。然而，它有一个主要限制：它不能让买家亲自试穿衣服，这会导致由于衣服试穿问题而导致的高退货/换货率。虚拟试穿的概念有助于解决这一限制。

虚拟试穿工具允许人们在线购买衣服，通过在 3D 化身（即他们自己的数字版本）上进行可视化，了解衣服的合身性和外观。潜在买家可以通过查看物品在不同位置或不同角度的褶皱和皱纹，以及渲染图像中头像的身体和穿着的衣服之间的间隙来推断他/她考虑购买的物品的合身程度/视频。

它允许买家在他们的 3D 头像上可视化任何服装，就好像他们穿着它一样。买家在决定购买特定服装时考虑的两个重要因素是合身度和外观。在虚拟试穿设置中，人们可以通过查看不同姿势的褶皱和皱纹以及渲染图像或视频中身体与服装之间的间隙来推断特定服装的合身程度。

Bhowmick 说，该领域的先前工作，例如 TailorNet 技术的开发，并未考虑潜在的人体测量值；因此，它的视觉预测不是很准确，也不是很合适。除此之外，由于它的设计，TailorNet 的内存占用很大，这限制了它在计算能力较低的实时应用程序中的使用。

Bhowmick 和他的同事最近进行的研究的主要目标是创建一个轻量级系统，该系统考虑人体测量值，并将 3D 服装披在与这些身体测量值匹配的化身上。理想情况下，他们希望该系统需要低内存和计算能力，以便它可以实时运行，例如在在线服装网站上运行。

Bhowmick 解释说，DeepDraper 是一种基于深度学习的服装悬垂系统，它允许客户以 3D 方式将数字衣柜中的服装虚拟试穿到自己的身体上。从本质上讲，它需要客户的图像或短视频剪辑，以及卖家提供的数字衣柜中的一件衣服作为输入。

最初，DeepDraper 分析用户的图像或视频以估计他/她的 3D 身体形状、姿势和身体测量值。随后，它将其估计值提供给一个悬垂神经网络，该网络通过将其应用到虚拟化身来预测服装在用户身上的外观。

研究人员在一系列测试中评估了他们的技术，发现它优于其他最先进的方法，因为它可以预测服装如何更好、更真实地适合用户。此外，他们的系统能够将任何尺寸的服装悬垂在各种形状和具有各种特征的人体上。

“DeepDraper 的另一个重要特性是它非常快，可以被手机或平板电脑等低端设备支持，”Bhowmick 说。“更准确地说，与其竞争对手 Tailornet 相比，DeepDraper 的速度快了近 23 倍，内存占用量减少了近 10 倍。”

未来，这组研究人员创造的虚拟服装立体裁剪技术可以让服装和时尚公司改善用户的在线购物体验。通过让潜在买家在购买之前更好地了解衣服的外观，它还可以减少退款或换货的要求。此外，游戏开发者或 3D 媒体内容创作者可以使用 DeepDraper 来更高效、更逼真地为角色装扮。

“在我们接下来的研究中，我们计划扩展 DeepDraper 以虚拟试穿其他具有挑战性、宽松和多层的服装，例如连衣裙、礼服、带夹克的 T 恤等。目前，DeepDraper 将服装披在静态人体上，但我们最终计划在人类移动时始终如一地悬垂并赋予服装动画。”