کنفرانس بین المللی فناوری اطلاعات و دانش

English

صفحه اصلی / شانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

PC-MCLD: Pose-Constrained and Multi-focal Conditioned Latent Diffusion for Person Image Synthesis

نویسندگان :

Hanieh Fazli¹ Reza Azmi²

1- دانشگاه الزهرا(س) 2- دانشگاه الزهرا(س)

کلمات کلیدی :

pose-guided person image synthesis،latent diffusion model،texture consistency،adaptive feature fusion،fashion image generation

چکیده :

Pose-guided person image synthesis (PGPIS) aims to generate a person in a target pose while preserving identity and garment details, yet large pose variations often cause texture misalignment and loss of facial fidelity in existing diffusion models. We propose PC-MCLD, a latent diffusion framework that introduces (i) a pose-aware texture transfer constraint ensuring anatomically consistent correspondence between source and target regions, and (ii) an adaptive weighting mechanism that balances global appearance, garment texture, and facial identity cues during generation. Experiments on the DeepFashion In-Shop benchmark show clear improvements over a reproduced MCLD baseline. At 176×256, PC-MCLD reduces FID by 1.39% and LPIPS by 8.24%; at 352×512, the gains increase to 2.53% in FID and 19.48% in LPIPS. These results demonstrate that PC-MCLD enhances both perceptual quality and structural fidelity under challenging pose changes.

لیست مقالات

لیست مقالات بایگانی شده

شناسایی حملات رومینگ تلفن‌همراه با استفاده از یادگیری ماشین

سعیده سیف الدین - سجاد شیرعلی شهرضا

انتخاب ویژگی با استفاده از الگوریتم بهینه سازی ذرات مبتنی بر استراتژی خود تطبیقی دودویی جهت تشخیص بیماری

الهام صالحی - دکتر محمدرضا کرمی ملایی - دکتر حسام عمرانپور الهام صالحی - محمدرضا کرمی ملایی - حسام عمرانپور -

پیش بینی گره های رهبر در شبکه های اجتماعی با استفاده از پیش بینی پیوند

روح اله رشیدی - فرساد زمانی بروجنی - محمد رضا سلطان آقایی - هادی فرهادی

بررسی روش یادگیری انتقالی جهت پیش‌بینی پیوند

علی روحانی فر - کمال میرزایی بدرآبادی

خوشه بندی مقید داده ها به کمک اتوماتای یادگیر سلولی

شکوفه علی محمدی - احمدعلی آبین

استخراج موارد آزمون سطح برون‌متد و درون‌کلاس از برنامه‌های شئ‌‌گرا

محمد قرشی - حسن حقیقی

مدل یادگیری عمیق با بازنمایی چند مقیاسی زمان برای پیش‌بینی آبشار اطلاعاتی در شبکه‌های اجتماعی

مبینا پناهی - مهدی عمادی

Design of low-latency Floating-Point units for Softmax Computation in Transformer-based Large Language Models

Hoda Ghabeli - Amir Sabbagh Molahosseini

Low-Power Phase-Based Stochastic MAC for FPGA

Kooroush Manochehri - Amir arsalan Sakhtianchi - Mehrshad Khosraviani

Optimal selection of seed nodes by reducing the influence of common nodes in the influence maximization problem

Farzaneh Kazemzadeh - Ali Asghar Safaei - Mitra Mirzarezaee

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.5.2