dress-code

项目介绍：Dress Code 数据集

Dress Code 项目是一个高分辨率多类别虚拟试穿的数据集，由D. Morelli, M. Fincato, M. Cornia, F. Landi, F. Cesari 和 R. Cucchiara 提出。这个数据集的主旨是为图像虚拟试穿提供高质量的数据支持，主要涉及多种服装类别。通过分析多个不同的服装目录，这个数据集共收集了超过五万对的高分辨率服装模型图像。

数据集详情

Dress Code 数据集的图像由来自 YOOX NET-A-PORTER 的不同目录中的服装组成，共分为三个主要的服装类别：上身服装、下身服装和连衣裙。这些图像的分辨率为1024 x 768，确保了图像的高质量和细节呈现。此外，每对图像还附带了相关的信息，如关键点、骨架、人类标注图和人类密集姿态。

数据集概要

• 总共服装数量：53792件
• 图像总数：107584张
• 类别：上衣、下身服装、连衣裙
• 分辨率：1024 x 768
• 附加信息：
  • 关键点
  • 骨架
  • 人类标注图
  • 人类密集姿态

附加信息描述

数据集中，除了模型和服装图像对之外，每幅图像还附带了详细的辅助信息，以支持更深入的研究和应用。这些信息包括：

• 关键点：使用OpenPose提取的18个关键点来表示人体的各个关节。
• 骨架：通过连接关键点形成的RGB图像，展示人体的姿势结构。
• 人类标注图：为每个图像像素分配类别，从而得到目标模型的分割掩码。
• 人类密集姿态：使用DensePose提取的密集标签和UV映射。

实验结果

在低分辨率（256 x 192）的情况下，Dress Code 项目的效果得到了多种指标的验证，如结构相似性指数（SSIM）、生成对抗网络分数（FID）和核独立指标（KID）。实验结果展示了该数据集在多个试穿模型中的表现，以及其强大的应用潜力。

项目代码

由于合作协议的限制，Dress Code 项目无法公开完整的代码。然而，该项目提供了一个空的Pytorch项目，用于加载数据，便于研究者自行开发和实验。

引用和联系方式

如需要参考本项目，请使用提供的BibTeX格式引用。如果对数据集有任何疑问，可通过其GitHub页面的公共问题部分进行咨询，或直接通过电子邮件联系项目作者。