注：为避免侵权，本文所用图像均为AIGC生成或无版权网站提供；

衣服祛褶皱功能，目前在像素蛋糕、美图云修、百度网盘AI修图、阿里云都有相关的功能支持，它的价值就是将不平整的衣服图像，变得整齐平整，去掉不美观的衣服褶皱等。

功能分析

我们以像素蛋糕为例，来分析衣服祛褶皱功能，像素蛋糕中该功能界面如下：

支持衣服细褶皱和粗褶皱分别祛除两个参数调节+整体程度参数调节；

效果举例如下：

 

算法方案

对于衣服祛褶皱功能，目前公开的算法资料：

Paper: ABPN: Adaptive Blend Pyramid Network for Real-Time Local Retouching of Ultra High-Resolution Photo

Code：https://www.modelscope.cn/models/iic/cv_unet_skin-retouching/

但这份开源代码是做人像美肤的代码，是论文算法的一个应用，并未提供衣服祛褶皱相关的模型；

算法流程图如下：

• 自适应混合金字塔网络（ABPN），主要由上下文感知局部修饰层（LRL）和自适应混合金字塔层（BPL）组成。

• LRL采用多任务架构，包括共享编码器、掩码预测分支（MPB）和局部修饰分支（LRB）。MPB通过跳连接和软掩码引导特征融合，LRB利用门控卷积（GConv）和局部注意力模块（LAM）实现高细节保真度的局部修饰。

• BPL基于混合层概念，设计了自适应混合模块（ABM）及其反向版本（R-ABM），通过逐步上采样和细化混合层，将低分辨率结果扩展到原始尺寸。ABM通过可学习的参数和Hadamard积实现灵活的图像转换，R-ABM则用于生成混合层。

在论文中，作者也对比了在PS中使用中性灰+Softlight的效果，如下图所示：

在对比中，Softlight的效果较差，论文方法确实获得了不错的效果。

该论文方案可能也为当前市面上主流的几家提供了一些技术方案。

但是，个人看来，这个算法还是有一些提升空间的，比如：

1.网络输入图像可以处理5000×5000左右的大图，如果是更大分辨率的图，如何保证最终原图清晰度的信息问题，存在一定的疑问。尤其是影楼修图领域，5000×5000算是小图了。

2.资源消耗，网络输入分辨率越大，对应资源消耗越大：

针对上述问题，个人优化方案：

方案一

1.使用上述方案，但处理最小分辨率512×512，保证较小的资源消耗和较快的性能；假设原图S，resize小图为S_small上述方案的效果图为D；

2.根据D和S_small进行中性灰图层计算，注意，这里需要参考线性光图层混合，不可使用柔光图层混合，论文中对比Softlight效果，个人觉得是有问题的，可能做算法的小伙伴并不擅长PS修图。最终得到中性灰图层蒙版D_mask；

3.将D_mask还原回原图大小，得到图D_hd；

4.将D_hd与原图S做中性灰图层混合，得到最终衣服祛褶皱效果D；

举例如下：

方案二

1.构建衣服祛褶皱中性灰蒙版网络，输入512×512小图+对应的衣服区域mask，输出中性灰蒙版D_mask；

2.将D_mask还原回原图大小，得到图D_hd；

3.将D_hd与原图S做中性灰图层混合，得到最终衣服祛褶皱效果D；

这个方案最大的优势是可以将原图与效果图完全解耦，对于大分辨率的图，中性灰图层混合并不会影响原图本身其他区域的清晰度，同时，网络推理性能也可以得到兼顾；

上述方案仅是本人的一些个人见解，用来抛砖引玉，欢迎与大家沟通交流；