[2025.04-KAICTS] Comparison of Input Feature Extraction Techniques for the Virtual Fitting Model ACGPN: Otsu Mask vs. Salient Region Detection
2025 한국인공지능융합기술학회 춘계학술대회에 참여하여 논문을 제출하였습니다.
본 연구는 Virtual Try-On(VTON) 시스템에서 입력 데이터 전처리 방식이 합성 이미지 품질에 미치는 영향을 분석하는 것을 목적으로 한다. 이를 위해 기존의 마스크 기반 특징 추출(Otsu, PSPNet, GrabCut, DeepLabV3+)과 Salient Region 기반 기법을 비교하여 ACGPN 모델에 적용하였다. DeepFashion 데이터셋을 활용해 정성적·정량적 평가를 수행한 결과, 일부 상황에서는 Salient Region이 품질 개선에 기여하였으나, 전반적으로는 과도한 특징 추출이 오히려 성능 저하를 유발할 수 있음을 확인하였다. 본 연구는 입력 특징 추출 전략이 단순 적용을 넘어 데이터의 구조적 복잡성을 고려해야 함을 보여주며, 향후 다양한 의류 특성에 따라 동적으로 최적화된 전처리 기법의 필요성을 제시한다.
 |
 |