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

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

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

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

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

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

本文提出一种新的二阶段服装交互转换器 (CIT)，通过学习性的薄板样条变换匹配块来捕捉更合理的长程关系，然后提出了一种新型 CIT 推理块来建立全局相互交互依赖关系，并补充了现有的基于图像的虚拟试穿方法，达到了新的技术水平。

Apr, 2021

该研究提出了一种新颖的零训练、自由输入方法，通过参考图像实现衣物修复，利用扩展关注机制从参考图像向目标图像传递图像信息，通过用户研究和与现有方法的定量和定性比较，证明了在处理未见过的服装或人物时优于其他方法的图像质量和服装保护能力。

Jun, 2024

本研究提出了一种创新的虚拟试穿技术，能够在输入人体图像上实现个性化服装的逼真合成。我们的方法具有灵活的样式和纹理条件，并通过明确分离样式和纹理的双阶段流程来解决全服装图像作为条件时的交织挑战。通过提取层次化和平衡的 CLIP 特征以及在 VTON 中应用位置编码，我们首次实现了复杂的非平稳纹理，实验结果表明了我们方法在合成质量和个性化方面的卓越表现。样式和纹理的灵活控制为在线购物和时尚设计提供了新的用户体验水平。

Dec, 2023

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