DressUp

Proyecto desarrollado para participar en el "Reto DotCSV"

Overview

DressUp es un algoritmo el cual tiene el fin de vestir a una persona con otro tipo de prenda. Este consta de 2 arquitecturas de redes neuronales profundas.

Unet (modelo de segmentación)
Pix2Pix

La segmentación generada por nuestra primera Unet es coloreada de acuerdo a la prenda que queremos sustituir.

clothes_to_change={'playera_gris/playera_blanca': (255, 0, 0),
                    'playera_negra/playera_azul': (0, 255, 0),
                    'playera_rayas': (0, 0, 255),
                    'pantalon_negro': (0, 255, 255),
                    'sudadera_azul': (255, 255, 0),
                    'playera_tigre': (255, 0, 255)}

En este caso seleccionamos el color azul, el cual corresponde a "playera_rayas". Esta imagen es suministrada a la Unet-generadora para producir la prenda que reemplazaremos.

El output final es el siguiente:

El algoritmo cuenta soportada 6 prendas hasta el momento:

Getting Started

Para poder contar con los pesos correspondientes es necesario descargarlos aquí, posterior a esto se descomprime el archivo dentro de la carpeta data del repositorio
DressUp_Demo.ipynb Es la forma más fácil de comenzar. Muestra un ejemplo del uso de un modelo previamente entrenado para segmentar prendas y reemplazarlas en sus propias imágenes. Incluye código para ejecutar la detección de estas y su reemplazo.
Pix2Pix_Model_Training.ipynb Muestra cómo se entrenó a Dress Up. Este cuaderno presenta el conjunto de datos usado, cual puede ser reemplazado por otra prenda.

Training

Data

Para el entrenamiento de la primera arquitectura se optó por utilizar un dataset con una gran variedad de imagenes _Clothing Co-Parsing _ (https://github.com/bearpaw/clothing-co-parsing) y para el caso del segundo modelo era necesario contar con un imágenes de una misma prenda para ello fue de gran ayuda LookBook dataset (https://dgyoo.github.io), el cual cuenta con diversas fotografias de una misma prenda, la desventaja de este dataset es que no cuenta con imágenes etiquetadas.

Considerations

*El modelo de segmentación fue entrenado con imágenes que contaban con diversas características: una sola persona mirando de frente de cuerpo completo, si se desea un desempeño óptimo con estas consideraciones.

*Para un resultado más realista es necesario mayor número de imágenes y por ende mayor etiquetado.

Reference

Clothing Co-Parsing (https://github.com/bearpaw/clothing-co-parsing)
LookBook dataset (https://dgyoo.github.io)
Applications of GANS https://medium.com/@jonathan_hui/gan-some-cool-applications-of-gans-4c9ecca35900

Nota: Para más detalles aqui DressUp.pdf

alejogonza / DressUp