- ClotheDreamer: 基于文本引导的 3D 高斯服装生成
通过 ClotheDreamer, 一种基于高斯的方法，从文本提示中生成可穿戴的、适合生产的 3D 服装，可用于虚拟试穿和支持精确动画。
- 遮蔽扩展注意力在野外零样本虚拟试穿中的应用
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。
- 基于图形的服装变形与导向反转的 Virtual-tryon
通过引入一种新颖的基于图的变形技术、利用潜在扩散模型进行虚拟试衣和考虑纹理保护以及整体逼真度的遮挡感知变形约束等方法，我们在 VITON-HD 和 Dresscode 数据集上验证了我们的方法，在服装变形、纹理保留和整体逼真度方面取得了显著 - GaussianVTON：通过多阶段高斯喷洒编辑实现的三维人体虚拟试衣
本研究提出了一种创新的 3D VTON 管道，将高斯喷洒（GS）编辑与 2D VTON 相结合，并首次提出仅使用图像作为 3D 编辑的编辑提示，同时采用三阶段细化策略逐渐减轻潜在问题，并引入一种名为 ERR 的新的编辑策略来解决以往编辑策略 - LayGA：适用于可动作服装转换的分层高斯人物头像
通过 Layered Gaussian Avatars (LayGA) 提出将衣物和人体作为两个独立层次表示的方法，从多视角视频中实现真实感的可动衣物迁移，以实现高质量的几何重建、真实感渲染以及虚拟试穿，并在性能上优于其他基线方法。
- MMTryon：多模式多参考高质量时尚生成控制
MMTryon 是一个多模态多参考虚拟试衣 (VITON) 框架，通过输入文本指令和多个服装图像，可以生成高质量的组合试穿结果。它通过引入新颖的多模态和多参考注意机制来解决现有研究中忽略的多个试穿物品和定制穿着风格的问题，并使用无解析的服装 - IJCAIFLDM-VTON：用于虚拟试衣的忠实潜在扩散模型
虽然虚拟试衣（VTON）基于潜在扩散模型的生成性能令人印象深刻，但缺乏对衣物关键细节（如风格、图案和文字）的忠实性。为了缓解由扩散随机性和潜在监督引起的这些问题，我们提出了一种新颖的面向 VTON 的忠实潜在扩散模型，称为 FLDM-VTO - CVPR从部分视角图像估计人体姿态的简单策略
提出了一种模块化和简单的高度标准化方案，通过将主体骨架重定位到所需位置，标准化比例并解脱两个变量之间的关系，显著提高了部分身体测量估计。此方法在多视图设置下也具有适用性。
- CVPRHiLo: 基于参数模型的详细且鲁棒的三维着装人体重建，使用了高频和低频信息
通过使用高频率和低频率信息，提出了 HiLo 方法来从 RGB 图像中重建穿着衣物的人体，用于虚拟试衣、电影和游戏等应用。实验结果表明，HiLo 方法在 Thuman2.0 和 CAPE 数据集上的 Chamfer 距离方面的优势达到 10 - 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。
- ACDG-VTON：精准和受限扩散生成虚拟试穿
提出了一种独特的训练方案来解决扩散的训练公式中维持输入服装身份的问题，并且通过多衣物试穿单次推断循环实现高质量的放大生成。
- 可操作的虚拟试穿通过稀疏对应对齐
引入一种新的虚拟试穿框架 Wear-Any-Way，不同于以往方法，该框架是一种可定制的解决方案，支持用户精确操作穿衣风格以实现高保真度的试穿结果，其通过稀疏对齐与基于点的控制，为标准设置带来最先进的性能，并为定制穿衣风格提供了一种新颖的交 - 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 - 更好的适应性：虚拟试穿中的服装类型变异
本文提出了一种自适应掩码训练范式，通过破解试穿区域与原始服装之间的关联，并让模型学习正确的信息进行修补，从而在非配对虚拟试穿情况下提高服装的对齐度和适应性，显著提升虚拟试穿体验的真实感；并首次提出两种用于非配对试穿评估的指标，Semanti - 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 - PFDM：基于扩散模型的无需解析器虚拟试衣
提出了一种基于扩散模型 (PFDM) 的无需分割的虚拟试穿方法，通过隐式变形无缝地在目标人物上 “穿” 上服装，与最新的无需分割和基于分割的模型相比，在处理复杂情况、合成高保真度图像方面表现出色。
- 虚拟试穿中解剖约束的重要性
虚拟试穿系统中的薄板样条、ATAG 变换和基于部分翘曲的方法的研究与应用分析。
- 带有形状控制和纹理引导的两阶段个性化虚拟试穿框架
本文提出一种全新的个性化虚拟试穿模型（PE-VITON），将图片作为扩散模型的引导条件，通过两个阶段（形状控制和纹理引导）解耦服装属性。定向引导的方式使得该模型可以有效解决传统试穿方法中服装褶皱减弱、复杂人体姿势下生成效果差、衣物边缘模糊和 - PICTURE: 非约束设计的光真实虚拟试穿
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 V - 街头试衣：从非配对人物图像中学习自然环境下的虚拟试衣
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