CVPRMar, 2021

VITON-HD: 基于错位感知归一化的高分辨率虚拟试穿

PDF
TL;DR该研究提出了一种名为 VITON-HD 的虚拟试衣方法，通过使用 ALIAS 标准化和生成器处理未对齐的区域以及保留 1024x768 输入的细节，成功地合成了 1024x768 虚拟试衣图片，其合成图像的质量显著优于基线，提高了试衣体验。
image-based virtual try-onsynthesized imagesviton-hdalias normalizationvirtual try-on synthesis
发现论文，激发创造
  • VITON: 基于图像的虚拟试衣网络

    本研究提出了一个基于图像的 Virtual Try-On Network，采用 “粗到细” 的策略将所需的服装项目无缝地转移到相应的人体部位，从而合成真实的照片，不需要 3D 信息，并通过细化网络训练来改善初始模糊图像。

    Nov, 2017

  • 处理失配和遮挡条件的高分辨率虚拟试穿

    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

  • VTON-IT: 图像翻译的虚拟试衣

    使用基于生成对抗网络的图像翻译网络和语义分割技术，通过 VTON-IT 图像虚拟试穿应用程序将目标服装覆盖在感兴趣的身体部位，并生成细节丰富的高分辨率自然图像。

    Oct, 2023

  • WarpDiffusion：高保真虚拟试衣的高效扩散模型

    通过引入新颖的信息感知和局部服装特征注意机制，WarpDiffusion 将基于变形和基于扩散的范式相结合，实现了高效和高保真度的虚拟试衣，从而提升了现有 VITON 方法的综合质量。

    Dec, 2023

  • MV-VTON: 多视角扩散模型虚拟试穿

    通过使用多视图衣物和扩散模型，引入了一种多视图虚拟试衣方法（MV-VTON），该方法在多视图中从给定的衣物中重建人物着装结果。

    Apr, 2024

  • 一种时间高效和身份一致的虚拟试穿方法：基于改进扩散模型的变体

    本研究讨论了当代电子商务和前景元宇宙中虚拟试穿的关键问题，强调在各种场景中保留目标人物和衣物的复杂纹理细节和独特特征所面临的挑战，并探索了现有方法的局限性和未解决的问题，随后提出了一种基于扩散的新颖解决方案，该解决方案在虚拟试穿过程中解决了服装纹理保留和用户身份保留的问题。该网络显示出令人印象深刻的结果，在推理过程中的速度超过最先进技术近 20 倍，并在定性评估中具有更高的保真度。在 VITON-HD 和 Dresscode 数据集上的定量评估证实了与最近的 SOTA 方法相当的性能。

    Mar, 2024

  • ViViD: 使用扩散模型的视频虚拟试衣

    视频虚拟试穿通过强大的扩散模型处理视频虚拟试穿任务并实现空间时间一致性。

    May, 2024

  • 基于内存的视频虚拟试穿网络

    提出了一种基于记忆的视频虚拟试衣网络（MV-TON），它可以在不需要任何服装模板的情况下，通过姿势对齐和区域替换像素，将所需的衣服无缝传输到目标人身上，并生成高分辨率逼真的视频

    Aug, 2021

  • StableVITON：使用潜在扩散模型学习虚拟试穿的语义对应关系

    通过在预训练扩散模型的潜在空间内学习衣物与人体之间的语义对应关系，利用零交叉关注区块保留衣物细节并利用预训练模型的内在知识进行图像变形处理，通过提出的新型注意力全变差损失和应用数据增强，实现了尖锐的注意力图，从而更准确地表示衣物细节。StableVITON 在定性和定量评估中胜过基准方法，在任意人物图像中展示了有希望的质量。

    Dec, 2023

  • 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