CVPRJun, 2023

TryOnDiffusion：两个 UNet 的故事

PDF
TL;DR本研究提出了一种基于扩散的架构，统一了两个并行 UNet，旨在在保留服装细节的同时，通过扭曲服装并令其适应不同的身体姿态和形状变化，生成着装效果图。实验结果表明，该方法在质量和多个评估指标上均取得了最先进的表现。
garment try-onphotorealistic visualizationdiffusion-based architectureparallel-unetstate-of-the-art performance
发现论文，激发创造
  • 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

  • 高保真虚拟试穿的纹理保持扩散模型

    在虚拟试衣领域，我们提出了一种基于纹理保持扩散（TPD）模型的新方法，通过利用空间维度上人体图片和参考服装图片的连接输入扩散模型的去噪 UNet，实现了高效准确的纹理迁移，并预测精确的修补掩膜，将掩膜预测和图像合成整合于单一紧凑模型中，显著优于流行的 VITON、VITON-HD 数据库上的最先进方法。

    Apr, 2024

  • OOTDiffusion：基于融合的潜在扩散技术的控制性虚拟试穿

    使用 Outfitting over Try-on Diffusion（OOTDiffusion）方法，结合预训练的潜在扩散模型和创新的网络架构，可以有效地生成高质量、逼真且可控的虚拟试穿图像，突破了现有虚拟试穿方法在逼真度和可控性方面的局限。

    Mar, 2024

  • 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

  • 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

  • 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

  • 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

  • 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

  • TryOn-Adapter：高保真虚拟试穿中高效的细粒度服装身份适配

    我们提出了一种有效且高效的框架 TryOn-Adapter，通过细粒度因素的解耦，包括风格、纹理和结构，对服装身份进行精确和高效的控制，并利用训练 - free 的 T-RePaint 策略进一步增强服装身份保存和试穿效果。

    Apr, 2024

  • 稳定服装：通过稳定扩散进行基于服装的生成

    StableGarment 是一个统一框架，用于解决以服装为中心的生成任务，包括文本到图像、可控的文本到图像、风格化的文本到图像和鲁棒的虚拟试衣。通过开发一个具有加性自注意力 (ASA) 层的服装编码器和专用的试衣 ControlNet，以及生成高质量合成数据的新数据引擎，我们的方法在虚拟试衣方面达到了最先进的结果，并在各种以服装为中心的图像生成方面展示了高灵活性和广泛的潜在应用。

    Mar, 2024