Notícies
Inici  >  Notícies > Els emprovadors virtuals del futur

Els emprovadors virtuals del futur

 

 

10/03/2021

Recerca

Un equip de l’Institut de Matemàtica de la UB (IMUB) i del Centre de Visió per Computador (CVC) ha desenvolupat CLOTH3D, el primer conjunt de dades sintètiques 3D a gran escala orientat a desenvolupar l’aprenentatge profund per simular peces sobre diferents formes corporals. Aquest conjunt de dades creades artificialment i publicades en accés obert és el primer pas per millorar els emprovadors virtuals de roba.

 

Cada dia són més les persones que compren la roba a través de plataformes virtuals, i aquesta tendència s’està accelerant per l’actual situació de pandèmia. Els avantatges d’aquesta nova manera de comprar són evidents, però també té alguns inconvenients. Un dels més importants és que no és possible emprovar-se la roba abans de rebre-la a casa. Per solucionar aquest problema, la intel·ligència artificial i l’aprenentatge profund (deep learning) són clau per permetre el modelatge i la generació de peces de roba en 3D. Aquests models, que facilitaran la feina dels dissenyadors i animadors d’imatges, suposaran una gran millora en l’experiència que proporcionen els emprovadors virtuals.

Avui dia, hi ha models per simular peces sobre diferents formes del cos, però són majoritàriament en 2D. Això és degut al fet que els models en 3D necessiten una enorme quantitat de dades i les que hi ha disponibles actualment són molt escasses. Hi ha tres estratègies principals per produir dades 3D de persones vestides: l’escaneig 3D, la generació de 3D a partir d’imatges convencionals i la generació sintètica. Els escanejos 3D són costosos i no són capaços de diferenciar el cos de la roba, és a dir, com a màxim, poden extreure la forma 3D com si cos i roba fossin un únic objecte. Per la seva banda, els conjunts de dades que infereixen la geometria 3D de la roba a partir d’imatges convencionals són inexactes i no poden modelar adequadament la dinàmica de la peça. Finalment, les dades sintètiques són fàcils de generar i estan lliures d’errors de mesura.

Un equip de recerca del Grup Human Pose Recovery and Behavior Analysis, del Centre de Visió per Computador (CVC) i la Universitat de Barcelona, va triar aquest últim camí i va desenvolupar CLOTH3D, el primer conjunt de dades sintètiques a gran escala de seqüències humanes en 3D vestides. El treball s’ha publicat recentment a Computer Vision - ECCV 2020 Workshops. «Com que es necessiten moltes dades per desenvolupar models 3D, vam decidir generar les nostres pròpies dades. Hem dissenyat i publicat el conjunt més gran de dades d’aquest tipus amb una gran varietat de vestuari i un ampli rang de moviments de la roba», explica l’investigador Hugo Bertiche (UB-CVC).

Amb més de dos milions de mostres, CLOTH3D és l’únic en termes de variabilitat tant en el tipus de peça com en forma, mida, tibantor i teixit. El vestuari es pot simular sobre milers de postures i formes corporals diferents, la qual cosa genera una dinàmica de la roba molt realista. «Hem desenvolupat una línia de generació que crea un conjunt únic per a cada seqüència en termes de tipus de peça, topologia, forma, mida, ajust i teixit. Mentre que altres conjunts de dades contenen poques peces diferents, el nostre en té milers», destaca l’expert Sergio Escalera, investigador del CVC i catedràtic de la Facultat de Matemàtiques i Informàtica.

La indústria tèxtil no és l’única que podria aprofitar aquest conjunt de dades: «La indústria de l’entreteniment també se’n podria beneficiar, ja que les pel·lícules amb imatges generades per computador i els videojocs podrien ser encara més realistes», explica Bertiche. Això no obstant, encara queda molta feina per fer: «El modelatge de les peces 3D a través de l’aprenentatge profund encara es troba en les primeres etapes. D’una banda, si bé el nostre conjunt de dades cobreix la major part de la variabilitat de la roba del dia a dia, els estils d’abillament només estan limitats per la imaginació. El disseny de peces més ràpid, automàtic i intel·ligent podria donar lloc a moltes aplicacions molt interessants. D’altra banda, la dinàmica de la roba és extremadament complexa, i s’està començant a abordar d’una manera molt enginyosa. Explorar més és una necessitat per a aquesta comunitat», remata Bertiche. Així mateix, les peces de roba reals són molt més complexes que les que solen proporcionar els simuladors, de manera que l’aprenentatge profund encara ha de trobar com es poden modelar adequadament detalls extremadament fins i caòtics, com els de les arrugues, i també objectes de geometria arbitrària relacionats amb la indumentària, com barrets, ulleres, guants, sabates, bijuteria i altres», conclou l’expert Hugo Bertiche.

 

Referència de l’article:

Bertiche, H.; Madadi, M., i Escalera, S. «CLOTH3D: Clothed 3D Humans». Computer Vision – ECCV 2020. Lecture Notes in Computer Science, novembre de 2020, vol. 12540. DOI: 10.1007/978-3-030-58565-5_21

 

 

Comparteix-la a:
| Més |
  • Segueix-nos:
  • botó per accedir al facebook de la universitat de barcelona
  • botó per accedir al twitter de la universitat de barcelona
  • botó per accedir a l'instagram de la Universitat de Barcelona
  • botó per accedir al linkedin de la Universitat de Barcelona
  • botó per accedir al youtube de la universitat de barcelona
  • botó per accedir al google+ de la universitat de barcelona
  • ??? peu.flickr.alt ???
Membre de la Reconeixement internacional de l'excel·lència HR Excellence in Research logo del ∞ - League of European Research Universities logo del bkc - campus excel·lència logo del health universitat de barcelona campus

© Universitat de Barcelona