本文提出 Outfit Visualization Net (OVNet) 方法以及其在多服装虚拟试穿成像方面的应用，该方法利用多项同步变形技术，通过语义布局生成器和逐层细化升级的图像生成管道生成高保真的多衣物虚拟试穿图片，并通过定制配件与人体协同识别的方法，能够将最适宜的配搭与体型匹配的用户展示在电子商务网站上，取得了极高的用户满意度。

Jun, 2021

图像虚拟试穿是将店内服装与穿着衣物的人物图像相配。本文提出了一个新颖的单阶段框架，通过隐性学习实现衣物变形和人物生成，采用语义上下文融合注意力模块进行衣物 - 人物特征融合，从而实现高效且逼真的衣物变形和体型合成。通过引入轻量级线性注意力框架，处理以往方法中存在的对齐问题和伪影。为了同时学习变形后的服装和试穿结果，引入了一个变形服装学习模块。我们的方法在 VITON 数据集上进行评估，在定性和定量指标上展示了其卓越的性能。

Oct, 2023

通过对管道架构、人物表示、关键模块和语义标准的综合分析，本文提供了最新技术和方法论在基于图像的人物试穿领域的全面调研，评估了不同方法，并展示了大规模模型在图像试穿任务上的未来潜力，并揭示了未解决的问题和未来研究方向。

Nov, 2023

本文提出了一种自适应掩码训练范式，通过破解试穿区域与原始服装之间的关联，并让模型学习正确的信息进行修补，从而在非配对虚拟试穿情况下提高服装的对齐度和适应性，显著提升虚拟试穿体验的真实感；并首次提出两种用于非配对试穿评估的指标，Semantic-Densepose-Ratio (SDR) 和 Skeleton-LPIPS (S-LPIPS)，用于评估服装类型的正确性和纹理的准确性；并构建了一个全面的跨试穿基准测试集（Cross-27），涵盖了多种不同的服装项目和模特身材，用于验证非配对试穿，实验证明了所提方法的有效性，为虚拟试穿技术的发展做出贡献，为该领域的未来研究提供新的洞察和工具。代码、模型和基准测试集将公开发布。

Mar, 2024

ClothFormer 是一种视频虚拟试衣框架，具有三个主要模块，包括两阶段的抗遮挡变形模块，外观流跟踪模块和双流变换器，能够综合在复杂环境中实现逼真，和谐和时空一致的视频虚拟试衣效果。

Apr, 2022

在这项工作中，我们通过（1）引入一个街景尝试基准来评估在街景中的性能，以及（2）提出一种可以直接从一组野外人物图像中学习而不需要成对数据的新方法，来填补当前虚拟试穿研究中的空白。我们的方法可以通过结合基于 DensePose 的变形校正方法和由姿势和语义分割控制的扩散式修补方法，在商店和街道领域实现稳健的性能，并证明在标准工作室试穿任务和街头试穿和跨领域试穿任务方面具有 SOTA 性能。

Nov, 2023

基于图像的虚拟试穿系统，旨在设计一种新的流程，可以保留服装的静态特征，如纹理和标志，同时生成适应模型姿势和环境的动态元素，先前的研究在生成动态特征方面存在问题，我们提出了一种新的基于扩散的产品级虚拟试穿流程，即 PLTON，它可以保留细节丰富的标志和刺绣，同时产生逼真的服装阴影和皱纹。

Jan, 2024

提出了一种新的虚拟试穿条件生成器，其中包括信息交换的特征融合块，它不会产生任何对齐或像素挤压伪影，同时介绍了鉴别器拒绝过滤器以滤除不正确的语义分割图预测。

Jun, 2022

通过引入一种新颖的基于图的变形技术、利用潜在扩散模型进行虚拟试衣和考虑纹理保护以及整体逼真度的遮挡感知变形约束等方法，我们在 VITON-HD 和 Dresscode 数据集上验证了我们的方法，在服装变形、纹理保留和整体逼真度方面取得了显著的态度艺术定性和定量结果上的改进。

Jun, 2024

引入一种新的虚拟试穿框架 Wear-Any-Way，不同于以往方法，该框架是一种可定制的解决方案，支持用户精确操作穿衣风格以实现高保真度的试穿结果，其通过稀疏对齐与基于点的控制，为标准设置带来最先进的性能，并为定制穿衣风格提供了一种新颖的交互形式，对时尚行业具有深远的影响。

Mar, 2024