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

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

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

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

本论文提出了一种基于 ClothWild 的 3D 服装人体重建框架，通过一种弱监督管道和 DensePose-based 损失函数解决了 training 和 in-the-wild 数据之间的大型领域差距，在公开数据集上得到了比现有技术更准确和更健壮的结果。

Jul, 2022

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

本文提出了一种利用计算方法在不同人之间传递身体动作的技术，基于生成网络，可以通过单个网络视频训练个人模型并生成具有照片级真实感的虚拟影像。

Mar, 2019

VITON-DiT 是第一个基于 Diffusion Transformer 的视频试穿框架，通过提取服装特征与去噪 DiT 及 ControlNet 的自注意力输出相融合来忠实地恢复服装细节，并在训练中引入新的随机选择策略和插值自回归技术，以产生长视频生成。与现有方法相比，VITON-DiT 仅依赖非配对的人类舞蹈视频和精心设计的多阶段训练策略，减轻了对繁琐、限制性的配对训练数据集的需求，并通过精心策划的基准数据集评估其在复杂人体姿势的野外视频试穿中生成的时空一致的结果的优越性。

May, 2024

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

本文提出了一种基于学习的服装动画方法，用于高效的虚拟试穿模拟，其中使用了基于物理的模拟，基于数据库的模型训练，并将全局服装吻合和局部服装皱纹分离。同时，使用循环神经网络来回归服装皱纹，实现了高度逼真的非线性效果。

Mar, 2019