본 논문에서 온라인 쇼핑몰에 적용을 목적으로 2차원 이미지에 기반한 가상 의상 착용 알고리즘을 설계하고 개발하였다. 기존의 가상착용 시스템은 3차원 의상 및 사용자 정보에 기반하여 비용과 시간이 많이 들어가는 문제를 가지고 있다. 본 시스템은 최근 급격히 발전된 딥러닝기술과 컴퓨터 그래픽스 기술을 활용한다. 우선, 패션영상을 시멘틱 분할 네트워크를 사용하여 옷과 신체를 영상분할하고, 자세 네트워크를 사용하여 의상과 사용자의 골격정보를 확보한다. 이 두 가지 정보를 바탕으로 의상의 골격위치와 사용자의 골격위치를 일치시킴으로서 변형에 필요한 변수를 확보하고 이를 바탕으로 영상 변형을 하여 가상착용을 수행한다. 실험결과 단순한 기하형태의 옷과 선 자세를 유지하는 패션사진과 사용자사진의 경우 만족스러운 변형 결과를 얻을 수 있었으나 다양한 의상의 형태나 자세를 갖는 경우 원만한 착용결과를 얻을 수 없었다. 완벽한 시스템은 존재할 수 없으므로 현재 기술로 적용 가능한 의상의 범위와 문제 상황을 자세히 분석하여. 이를 바탕으로 추후 연구를 방향을 설정할 수 있도록 하였다.
This study aims to compare the ease of shirt patterns in the men's wear market that have been constantly developing, and to analyze the fitness and appearance through the 3D virtual try-on system. The study selected three industrial patterns and two educational materials of classic-fit and slim-fit shirts for a total of ten items. The experiments involved virtual wearing, a stress contact point perspective map, and appearance evaluations. First, the ease differed significantly in the chest, waist, and sleeve cap height according to the patterns. Second, based on the stress, contact point, and transparency, there was ease in the order of Nam, D-brand, J-brand, Park, and S-brand in the classic-fit shirts while the order of D-brand, Nam, J-brand, Park, and S-brand resulted in the slim-fit shirts. Third, in the appearance evaluation, higher points resulted in the order of J-brand, Park, S-brand, D-brand, and Nam in both classic-fit and slim-fit. The results showed that proper ease differs greatly by shirt-fit and target age. Also, the shirts with more ease tended to be evaluated less favorably in the appearance evaluation. Based on the results, the study suggests that the proper ease in chest circumference is 18cm for the classic-fit shirts and 6 cm for the slim-fit shirts.