本文介绍了一种名为Fashion++的方法，使用基于深度图像生成神经网络的学习算法以及针对形状和纹理的分解的编码来最大化地提高时尚性，通过从Web照片中自动训练时尚度模型和开发激活极大化的方法，指出的编辑范围包括更换新装、调整颜色、调整穿着方式等，实验证明该方法对于机器和人类的度量都具有成功的影响。

Apr, 2019

本文介绍了一种基于latent diffusion models的新型架构，通过多模态提示（文本、人体姿势和服装草图）引导生成人体中心时尚图像，同时扩展了两个已有的时尚数据集，证明了该方法的有效性。

Apr, 2023

提出了一种名为HieraFashDiff的新型时尚设计方法，通过使用共享的多阶段扩散模型，包含高层设计概念和低层服装属性的层次结构，允许设计师在高级提示后逐步交互式编辑以添加低层属性。在我们新建的层次时尚数据集上进行的全面实验表明，我们提出的方法优于其他最先进的竞争方法。

Jan, 2024

该论文探讨了多模态条件下的时尚图像编辑任务，提出了一种基于多模态指导的生成方法，利用时尚设计的文本、人体姿势、服装草图和面料纹理等多模态提示生成以人为中心的时尚图像。实验证明了提出方法在现实感和一致性方面的有效性。

Mar, 2024

我们提出了一种名为FashionEngine的互动式3D人体生成和编辑系统，可以与人类与世界互动的方式一致地设计3D数字人体，并包括预训练的3D人体扩散模型、多模态-UV编码和多模态-UV对齐采样器等关键组件。

Apr, 2024

该研究通过使用文本描述来操纵人类形象的时尚风格编辑，探索了时尚风格编辑的任务，并提出了两个加强指导信号的方向：文本扩充和视觉参考。通过基于人类先验的生成模型和对潜在空间结构的经验发现，在时尚风格编辑领域取得了令人兴奋的新应用。

Apr, 2024

DiCTI是一种基于扩散的服装设计工具，它利用输入的文本描述自动生成多个高分辨率、逼真的服装设计图片，并通过全面的实验和用户评分展示了其在生成高质量图片和服装设计方面的优势。

Jul, 2024

本研究针对现有时尚图像编辑方法的灵活性不足及应用范围有限的问题，提出了一种无需辅助工具的整合框架。通过扩展数据集以涵盖更广泛的服装种类和复杂背景，并提出AnyDesign方法，用户可以便捷地输入人像及对应提示，实现高质量的时尚编辑，实验结果表明该方法超越了现有的文本引导时尚编辑技术。

Aug, 2024

本研究解决了当前时尚图像编辑技术在准确识别编辑区域和保留服装纹理细节方面的不足。我们提出了一种基于潜在扩散模型的新架构DPDEdit，通过结合文本提示、区域掩码、人体姿势图像和服装纹理图像，能够精确定位编辑区域并转移纹理细节。实验结果表明，DPDEdit在图像保真度和与多模态输入的一致性方面优于现有最先进的方法。

Sep, 2024

本研究针对多模态服装图像编辑中收集真实图像数据集的难题，提出了一种新的方法ControlEdit，通过自监督学习实现服装图像的多模态引导局部修复。该方法通过扩展特征提取网络的通道，保持编辑前后的一致性，并设计了逆潜在损失函数，实现了对未编辑区域内容的柔性控制。实验结果表明，ControlEdit在定性和定量评估中均超越了基线算法。

Sep, 2024