Tag · 10 篇

虚拟试衣

分布 图像编辑与可控生成8高效模型与推理加速1数据集与评测1
01
图像编辑与可控生成 / CVPR2026

Vanast:通过合成三元组监督实现结合人体动画的虚拟试衣

Vanast: Virtual Try-On with Human Image Animation via Synthetic Triplet Supervision

将图像虚拟试衣与姿态驱动人体动画合并为单步统一生成,并用合成三元组监督(人物-服装-姿态视频)训练视频扩散 Transformer;其数据构造管线与 Dual Module 架构可直接迁移到需要身份保持的可控视频生成任务。

虚拟试衣人体动画视频扩散-Transformer
02
图像编辑与可控生成 / CVPR2026

RefTon:参考人物照片辅助的虚拟试衣

RefTon: Reference person shot assist virtual Try-on

用无配对参考图(同一件衣服穿在不同人身上)替代 body parsing 与 warped mask 等结构引导,为条件生成提供纹理对齐信号;做可控人像生成或试衣时可借鉴其「参考图即条件」的简化输入范式与配套数据集构建方式。

虚拟试衣参考图引导生成无配对数据训练
03
图像编辑与可控生成 / CVPR2026

PROMO:面向高效高保真虚拟试衣的可提示换装

PROMO: Promptable Outfitting for Efficient High-Fidelity Virtual Try-On

把虚拟试衣重新表述为结构化图像编辑问题,用 Flow Matching DiT 骨干网络加潜空间多模态条件拼接,并通过自参考机制减少采样步数与推理开销,为需要强主体保持与纹理迁移的可控生成任务提供了可复用的条件注入与加速思路。

虚拟试衣流匹配扩散-Transformer
04
图像编辑与可控生成 / CVPR2026

PG-VTON:基于图像块引导参考对齐的单次免训练虚拟试衣

PG-VTON: Single-Pass Training-Free Virtual Try-On via Patch-Guided Reference Alignment

把现成的图像修复扩散模型当作上下文补全器,仅用早期去噪步注入服装图像块、并在注意力层强化掩码区域 token 对服装 token 的关联,就能单次前向完成试衣;这套「不改权重、只调注入时机与注意力」的思路可直接迁移到其他参考图驱动的局部编辑任务。

虚拟试衣免训练推理图像修复
05
高效模型与推理加速 / CVPR2026

Mobile-VTON:高保真端侧虚拟试衣

Mobile-VTON: High-Fidelity On-Device Virtual Try-On

论文提出的 Feature-Guided Adversarial 蒸馏策略与潜变量拼接式轻量跨模态条件注入,为在移动端部署扩散类生成模型提供了可复用的压缩与条件控制方案;做端侧图像生成或可控生成的研究者可借鉴其教师-学生蒸馏与轨迹一致性损失的设计。

知识蒸馏扩散模型对抗训练
06
图像编辑与可控生成 / CVPR2026

MOFA-VTON:以细粒度适配实现虚拟试衣的更多时尚可能

MOFA-VTON: More Fashion Possibilities with Fine-Grained Adaptations in Virtual Try-On

用用户手绘曲线草图构造双区域掩码替代 clothing-agnostic mask,并通过交叉注意力分上下半身独立学习布局对应关系,为可控人体图像生成提供了细粒度空间布局引导的可复用思路。

虚拟试衣草图引导生成交叉注意力
07
图像编辑与可控生成 / CVPR2026

基于扩散的循环一致性学习实现超越配对数据稀缺的高保真虚拟试衣

High-Fidelity Virtual Try-On beyond Paired Data Scarcity via Diffusion-based Cycle-Consistent Learning

提出基于扩散模型循环一致性学习的虚拟试衣框架,利用无配对数据训练统一生成模型,其多准则过滤和感知正则化策略可迁移到其他需要无配对数据的图像编辑任务。

虚拟试衣扩散-Transformer循环一致性学习
08
数据集与评测 / CVPR2026

Garments2Look:面向含服装与配饰的高保真整套穿搭虚拟试衣的多参考数据集

Garments2Look: A Multi-Reference Dataset for High-Fidelity Outfit-Level Virtual Try-On with Clothing and Accessories

为多参考服装与配饰的整套穿搭试衣提供了 8 万对多图到单图的配对数据与基线评测,做可控生成或多参考条件注入的研究者可直接用它检验模型在层叠、细粒度类别与造型推理上的能力。

虚拟试衣多参考图像生成图像编辑基准
09
图像编辑与可控生成 / CVPR2026

FEAT:从任意设计源进行服装编辑与试穿

FEAT: Fashion Editing and Try-On from Any Design

Disentangled Dual Injection 的内容/风格解耦注入与 Orthogonal-Guided Noise Fusion 的正交投影去残留衣物+区域化噪声策略,是可复用到其他「保留身份/去除旧内容」的可控生成任务(如换装、换背景、局部重绘)的免训练手段。

虚拟试衣风格与内容解耦免训练推理
10
图像编辑与可控生成 / CVPR2026

换装与姿态

Clothe and Pose

把「换装」与「姿态重定向」合并为单一条件生成任务,输入单张人像、多件服装图和目标姿态,输出同时满足服装与姿态约束的人体图像;其评测框架对做虚拟试衣和姿态迁移的研究者可直接复用,用于联合评估服装保真度与姿态一致性。

虚拟试衣姿态迁移扩散模型