CVPRMar, 2021

通过提取外观流实现无需解析器的虚拟试穿

PDF
TL;DR本研究提出一种新方法 --“师父 - 导师 - 学生” 知识蒸馏，以解决图像虚拟试穿中的差错分割导致的视觉伪影问题，通过提取真实人物图像中的 “导师知识” 和虚拟试穿图像产生的 “辅导知识”，形成密集的对应关系，显著提高了试穿效果，更具有实用价值。
image virtual try-onknowledge distillationteacher-tutor-studentdense correspondencesphoto-realistic images
发现论文，激发创造
  • 不必掩盖不必要的部分：无需解析器的虚拟试穿

    本文提出一种新的学生 - 教师模型来解决 2D 虚拟试穿任务中的监督学习问题，并且减少了图像处理的开销，从而实现了实时虚拟试穿。

    Jul, 2020

  • PFDM：基于扩散模型的无需解析器虚拟试衣

    提出了一种基于扩散模型 (PFDM) 的无需分割的虚拟试穿方法，通过隐式变形无缝地在目标人物上 “穿” 上服装，与最新的无需分割和基于分割的模型相比，在处理复杂情况、合成高保真度图像方面表现出色。

    Feb, 2024

  • 基于风格的全局外观流应用于虚拟试衣

    本文提出了一种新的全局外观流估计模型，并引入流精炼模块，以处理针对带有 “流浪” 挑战的全身参考图像的虚拟试穿。

    Apr, 2022

  • 利用外观流驯服扩散模型的高质量虚拟试穿

    基于扩散模型的条件修复技术在虚拟试衣中的有效使用，结合了扭曲模块的力量来产生高质量和逼真的虚拟试穿结果。

    Aug, 2023

  • 优化虚拟试穿的扩散模型

    本研究提出了一种改进的图像虚拟试穿的扩散模型（IDM-VTON），该模型通过使用高级语义和低级特征融合的方法，提高了服装的真实性，并生成了具有真实感的虚拟试穿图像。该研究还介绍了一种使用人物 - 服装图像对进行个性化定制的方法，并通过实验证明了该方法在保留服装细节和生成真实虚拟试穿图像方面的有效性。

    Mar, 2024

  • 可变形注意力流在单阶段虚拟试衣中的应用

    通过 Deformable Attention Flow 实现 virtual try-on 的 end-to-end 模型，同时处理衣服变形和身体融合问题，最终达到以高度真实感展示 virtual try-on 的结果。

    Jul, 2022

  • GP-VTON：通过协作的局部流全局解析学习实现通用虚拟试穿

    提出了一种通用的虚拟试穿框架，称为 GP-VTON，该框架通过开发创新的 LFGP 变形模块和 DGT 训练策略来解决图像中虚拟试穿的各种问题，如人体姿势变换和衣服变形，从而在具有挑战性的输入情况下保留语义信息，并避免出现纹理畸变。经过在两个高分辨率基准上的大量实验，表明该方法明显优于现有的相应方法。

    Mar, 2023

  • 一种由虚拟试穿模型的精简知识监督的新型服装转移方法

    利用虚拟试穿技术和自我监督学习，我们提出了一种新的服装转换方法，通过知识蒸馏从虚拟试穿中提供形状引导，并利用逐步流来准确地转换服装，同时使用一个设计良好的手臂再生任务来增强转换的逼真度。实验证明，与其他虚拟试穿和服装转换方法相比，我们的方法在人际服装转换方面表现出优越的性能。

    Jan, 2024

  • ZFlow：基于门控外观流和三维先验的虚拟试穿

    本文提出了一种名为 ZFlow 的端到端框架，采用分层流估计的门控聚合和密集结构先验结合解决虚拟试衣中关于几何和纹理完整性的问题，并在多个数据集上进行了对比实验和用户研究以评估其对图像质量的影响。

    Sep, 2021

  • 基于图像的虚拟试穿研究

    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