BooW-VTON: Boosting In-the-Wild Virtual Try-On via Mask-Free Pseudo Data Training
Tianjin University（天津大学）；Alibaba Group（阿里巴巴集团）；University of Science and Technology of China（中国科学技术大学）；Westlake University（西湖大学）
本文提出BooW-VTON，一种无掩码虚拟试穿扩散模型，通过伪数据训练、自然场景数据增强和试穿定位损失，在无需解析成本的低要求输入下实现自然场景中最先进的试穿质量。
2024-11-22 cs.CV
Learning Garment DensePose for Robust Warping in Virtual Try-On
Meta AI；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对虚拟试穿中复杂姿态下服装变形易失败的问题，提出基于弱监督学习的服装DensePose方法，实现无需额外计算的鲁棒变形，在基准测试和自然图像上达到最优水平。
2023-03-30 cs.CV
ClothFit: Cloth-Human-Attribute Guided Virtual Try-On Network Using 3D Simulated Dataset
RPTU Kaiserslautern-Landau（凯泽斯劳滕-兰道莱茵兰-普法尔茨技术大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI））；Shapematchr GmbH（Shapematchr有限公司）
本文提出ClothFit虚拟试穿方法，结合服装实际尺寸与人体属性，利用U-Net架构合成真实试穿图像，显著提升了照片级真实感。
2023-06-24 cs.CV
Fill in Fabrics: Body-Aware Self-Supervised Inpainting for Image-Based Virtual Try-On
Concordia University（康考迪亚大学）；Decathlon Canada（迪卡侬加拿大）
以往的虚拟试穿方法通常集中在将服装与人对齐，限制了它们利用人的复杂姿势、形状和肤色以及服装的整体结构的能力，这对于照片级真实感虚拟试穿至关重要。为了解决这个潜在的弱点，我们提出了一种填充织物（FIFA）模型，一种基于自监督条件生成对抗网络的框架，由Fabricator和具有Segmenter、Warper和Fuser的统一虚拟试穿流水线组成。Fabricator的目标是在提供掩蔽的服装作为输入时重建服装图像，并通过填充面料来学习服装的整体结构。然后，通过将学习到的表示从Fabricator传输到Warper来训练虚拟试穿流水线，以便扭曲和改进目标服装。我们还建议使用多尺度结构约束来在多个尺度上执行全局上下文，同时扭曲目标服装以更好地适应人的姿势和形状。大量的实验表明，我们的FIFA模型在标准VITON数据集上实现了最先进的结果，用于虚拟试穿服装，并在处理复杂姿势和保留服装的纹理和刺绣方面表现出有效性。
2022-11-08 cs.CV
Self-Supervised Vision Transformer for Enhanced Virtual Clothes Try-On
Shanghai Jiao Tong University（上海交通大学）；SenseTime（商汤科技）
针对虚拟试穿中服装细节还原不足的问题，提出自监督 ViT 结合扩散模型的方法，通过局部—全局嵌入对比、条件引导和关键区域聚焦提升生成真实感与细节精度。
2024-06-15 cs.CV
Shining Yourself: High-Fidelity Ornaments Virtual Try-on with Diffusion Model
SenseTime Research（商汤科技研究院）
针对饰品虚拟试穿研究不足、姿态尺寸差异下难保一致性的问题，提出基于扩散模型的方法，通过迭代佩戴掩码对齐与注意力正则化保留细节，实现高保真试穿效果。
2025-03-20 cs.CV
PT-VTON: an Image-Based Virtual Try-On Network with Progressive Pose Attention Transfer
George Washington University（乔治华盛顿大学）
虚拟试穿系统已经获得了极大的关注，因为它有可能给客户一个现实的，个性化的产品展示在虚拟化的设置。在本文中，我们提出了PT-VTON，一种新的基于姿势转移的框架，用于布料转移，使虚拟试穿与任意姿势。PT-VTON可以应用于时尚行业，对现有系统进行最小的修改，同时满足整体视觉时尚性和详细的织物外观要求。它可以在具有任意姿势和身体形状的模型和用户图像之间高效地传输衣服。我们实现了一个原型的PT-VTON，并证明我们的系统可以匹配或超越许多其他方法时，面临着一个巨大的变化的姿态，通过保留详细的人类和织物的特征外观。PT-VTON被证明优于其他方法，无论是基于机器的定量指标和定性结果。
2021-11-23 cs.CV
CAT-DM: Controllable Accelerated Virtual Try-on with Diffusion Model
Tianjin University（天津大学）；Tencent LightSpeed Studio（腾讯天美工作室）
本文提出CAT-DM，通过ControlNet增强可控性并利用GAN模型生成隐式分布加速去噪，解决了扩散模型虚拟试穿可控性差与速度慢的问题，生成质量更优。
2024-04-26 cs.CV
An Efficient Style Virtual Try on Network for Clothing Business Industry
随着服装制造业的日益发展，将神经网络与工业相结合来减少产品冗余的方法越来越受到重视，为了减少服装冗余，实现个性化定制，虚拟试穿领域出现了更多的研究者，他们试图将目标服装转移到参考图上，但是虚拟试穿最大的问题是由于形状和运动的遮挡，使得衣服变形，导致衣服上的图案和纹理无法恢复。提出了一种新的风格化虚拟试穿网络，该网络既能保持服装纹理和图案的真实性，又能获得无差别的风格化试穿，网络分为三个子网络，第一个是用户图像、目标服装正面图像、语义分割图像和姿态热图，生成更详细的人体解析图。二是利用UV位置图和稠密对应，将图案和纹理实时的映射到变形后的剪影上，使其实时的保留，在提高图像真实性的基础上保证空间结构的合理性。第三，对生成的虚拟试穿图像进行风格化和调整。通过最细微的变化，用户可以选择服装的质地、颜色和款式，提高用户的体验。
2021-05-30 cs.CV
Better Fit: Accommodate Variations in Clothing Types for Virtual Try-on
School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院）；Alibaba Group（阿里巴巴集团）
针对非配对虚拟试穿中目标服装类型受原始服装影响的问题，提出动态调整训练掩码的自适应掩码训练范式，并首次提出SDR和S-LPIPS指标及Cross-27基准，显著提升了服装贴合度与试穿保真度。
2024-09-20 cs.CV
Shape Controllable Virtual Try-on for Underwear Models
Alibaba Group（阿里巴巴集团）；Zhejiang University（浙江大学）
图像虚拟试衣任务具有广泛的应用前景，是近年来的研究热点。现有的基于二维图像的虚拟试穿方法都是将目标服装图像转移到参考人身上，存在两个主要缺点：无法精确控制尺寸和长度;在用户穿着较厚衣服的情况下，无法准确估计用户的身材，导致穿衣效果不准确。在本文中，我们提出了一个类似的任务，旨在为内衣模特着装。%，这也是电商场景中的迫切需求。为了解决上述问题，我们提出了一个形状可控的虚拟试穿网络（SC-VTON），其中一个图形注意力网络集成的模型和服装的信息，以产生变形的服装图像。此外，控制点被纳入到SC-VTON所需的服装形状。此外，通过添加分裂网络和合成网络，我们可以使用服装/模特对数据来帮助优化变形模块，并将任务推广到典型的虚拟试穿任务。大量的实验表明，该方法可以实现精确的板形控制。同时，与其他方法相比，我们的方法可以产生高分辨率的结果与详细的纹理。
2021-07-28 cs.CV
ClothFormer:Taming Video Virtual Try-on in All Module
BIGO（BIGO公司）；iQIYI Inc.（爱奇艺公司）
视频虚拟试穿任务的目标是在时空一致的情况下将目标服装试穿到视频中的人身上。尽管图像虚拟试穿取得了巨大的进步，但当应用于视频时，它们会导致帧之间的不一致。有限的工作也探讨了基于视频的虚拟试穿的任务，但未能产生视觉上令人愉悦和时间上连贯的结果。而且，还有另外两个关键挑战：1）当服装区域出现遮挡时，如何生成准确的变形; 2）如何生成衣服和非目标身体部位（如手臂、脖子）与复杂的背景相协调;为了解决这些问题，我们提出了一种新的视频虚拟试穿框架，ClothFormer，它成功地合成了逼真，和谐，在复杂环境下实现时空一致性。具体而言，ClothFormer涉及三个主要模块。首先，两阶段的抗遮挡变形模块，预测身体区域和衣服区域之间的精确的密集流映射。其次，外观流跟踪模块利用岭回归和光流校正来平滑密集流序列并生成时间平滑的翘曲服装序列。第三，双流Transformer提取并融合服装纹理、人物特征和环境信息，以生成逼真的试穿视频。通过严格的实验，我们证明了我们的方法在合成视频质量的定性和定量方面都远远超过了基线。
2022-04-26 cs.CV
Learning-Based Animation of Clothing for Virtual Try-On
Universidad Rey Juan Carlos（胡安·卡洛斯国王大学）
提出了一种基于学习的服装动画方法，以实现高效的虚拟试穿仿真。给定一件衣服，我们预处理一个基于物理的穿着角色模拟的丰富数据库，用于多个身体形状和动画。然后，使用这个数据库，我们训练一个基于学习的模型，布料悬垂和皱纹，作为身体形状和动力学的函数。我们提出了一个模型，分离全球服装适合，由于身体形状，从局部服装褶皱，由于姿势动态和身体形状。我们使用一个循环神经网络来回归服装褶皱，我们实现了高度合理的非线性效果，与以前的方法所遭受的混合文物。在运行时，动态虚拟试穿动画在短短几毫秒内产生的服装与数千个三角形。我们对结果进行了定性和定量分析
2019-03-17 cs.CV
WAS-VTON: Warping Architecture Search for Virtual Try-on Network
Sun Yat-Sen University（中山大学）；UiT The Arctic University of Norway（挪威北极大学）；Momo Technology Company Limited（陌陌科技有限公司）；DarkMatter AI Research（暗物质人工智能研究院）
尽管基于图像的虚拟试穿最近取得了进展，但当前方法受到共享翘曲网络的约束，因此当面对需要不同翘曲操作的服装类别时，无法合成自然的试穿结果。在本文中，我们通过神经结构搜索（NAS）为虚拟试穿任务找到服装类别特定的翘曲网络来解决这个问题。我们引入了NAS-Warping模块，并精心设计了一个双层分层搜索空间，以确定最佳的网络级和操作级流量估计架构。给定包含不同数量的扭曲块的网络级搜索空间和具有不同卷积操作的操作级搜索空间，我们共同学习可重复扭曲单元和卷积操作的组合，专门用于服装-人对齐。此外，提出了一个NAS融合模块来合成更自然的最终试穿结果，这是通过利用特定的跳过连接来产生更好的融合特征来实现的，这些特征是无缝融合翘曲的衣服和未改变的人的部分所需的。我们采用一种高效稳定的一次性搜索策略来搜索上述两个模块。大量的实验表明，我们的WAS-VTON显着优于以前的固定架构的试穿方法，更自然的翘曲结果和虚拟的试穿结果。
2021-08-01 cs.CV
SPG-VTON: Semantic Prediction Guidance for Multi-pose Virtual Try-on
基于图像的虚拟试穿是具有挑战性的，在不同的人类姿势下，将目标店内服装适配到参考人。以前的作品侧重于保留服装细节（例如，纹理、标志、图案）。然而，现有的方法的性能显着下降时，将现有的方法扩展到多姿态虚拟试穿。在本文中，我们提出了一个端到端的语义预测指导多姿态虚拟试穿网络（SPG-VTON），它可以适应所需的服装到一个参考人在任意姿势。具体地说，SPG-VTON由三个子模块组成。首先，语义预测模块（SPM）生成所需的语义图。预测的语义图提供了更丰富的指导，以定位所需的衣服区域，并产生一个粗略的试穿图像。第二，衣服翘曲模块（CWM）根据预测的语义图和期望的姿势将店内衣服翘曲成期望的形状。具体来说，我们引入了一个可传导的循环一致性损失，以减轻在服装整经过程中的错位。第三，试穿合成模块（TSM）将粗略结果和变形的衣服组合以生成最终的虚拟试穿图像，保留所需衣服的细节和所需姿势。此外，我们引入了一个人脸身份损失，以改善面部外观，并保持最终的虚拟试穿结果的身份在同一时间。我们在最大规模的多姿态数据集（MPV）和DeepFashion数据集上评估了所提出的方法。定性和定量实验表明，SPG-VTON优于现有的方法，并且对数据噪声具有鲁棒性，包括背景和附件变化，即，帽子和手袋，显示出良好的可扩展性，以现实世界的场景。
2022-10-17 cs.CV
IPVTON: Image-based 3D Virtual Try-on with Image Prompt Adapter
School of Software Engineering, South China University of Technology（华南理工大学软件学院）；Nanyang Technological University（南洋理工大学）；SenseTime Research（商汤科技研究院）；Peng Cheng Laboratory（鹏城实验室）
本文提出IPVTON框架，通过图像提示适配器将服装特征整合到扩散先验，利用掩码引导嵌入和ControlNet伪轮廓约束优化混合3D人体表示，在几何和纹理上优于现有3D虚拟试穿方法。
2025-01-26 cs.CV
Data Augmentation using Random Image Cropping for High-resolution Virtual Try-On (VITON-CROP)
Korea University（高丽大学）；KAIST（韩国科学技术院）
基于图像的虚拟试穿提供了将衣服物品转移到给定人的照片上的能力，这通常通过将物品扭曲到给定的人类姿势并将扭曲的物品调整到人来实现。然而，真实世界合成图像的结果（例如，自拍）是不现实的，因为限制导致颈部被错误呈现并且服装风格发生显著变化。为了应对这些挑战，我们提出了一种新的方法来解决这个独特的问题，称为VITON-CROP。与现有的最先进的虚拟试穿模型相比，VITON-CROP与随机裁剪增强相结合时，可以更稳健地合成图像。在实验中，我们证明了VITON-CROP在定性和定量上都优于VITON-HD。
2021-11-16 cs.CV
VTBench: Comprehensive Benchmark Suite Towards Real-World Virtual Try-on Models
Tencent（腾讯）；Fudan University（复旦大学）；Xiamen University（厦门大学）
针对虚拟试穿模型在真实场景评估不足的问题，提出分层基准套件VTBench，系统分解评估维度，提供多维度指标、人类偏好标注及室内外差异分析，并开源以推动领域发展。
2025-05-26 cs.CV
MOFA-VTON: More Fashion Possibilities with Fine-Grained Adaptations in Virtual Try-On
Harbin Institute of Technology（哈尔滨工业大学）；HiDream.ai Inc.（HiDream.ai公司）；Harbin Institute of Technology (Weihai) Qingdao Research Institute（哈尔滨工业大学（威海）青岛研究院）
提出MOFA-VTON方法，通过用户绘制简单草图实现虚拟试衣中服装布局的细粒度调整，利用掩码构建策略和布局调整模块，在VITON-HD和DressCode数据集上超越现有方法。
2026-06-09 cs.CV
M3D-VTON: A Monocular-to-3D Virtual Try-On Network
Shenzhen Campus of SYSU（中山大学深圳校区）；UiT The Arctic University of Norway（挪威北极大学）；UC San Diego（加利福尼亚大学圣迭戈分校）；Momo（陌陌科技）
虚拟3D试穿可以为网上购物提供直观、逼真的视角，具有巨大的潜在商业价值。然而，现有的3D虚拟试穿方法主要依赖于标注的3D人体形状和服装模板，这阻碍了它们在实际场景中的应用。2D虚拟试穿方法提供了一种更快的替代方案来操纵穿着衣服的人，但缺乏丰富和逼真的3D表示。在本文中，我们提出了一种新的单眼到三维虚拟试用网络（M3 D-VTON），建立在二维和三维方法的优点。通过有效地集成2D信息和学习将2D表示提升到3D的映射，我们首次尝试仅以目标服装和人物图像作为输入来重建3D试穿网格。提出的M3 D-VTON包括三个模块：1）单目预测模块（MPM），其估计初始全身深度图并通过新颖的两阶段变形过程实现2D衣服-人对准; 2）深度细化模块（DRM），其细化初始身体深度以产生更详细的褶皱和面部特征; 3）纹理融合模块（TFM），其将变形的衣服与非目标身体部位融合以细化结果。我们还构建了一个高质量的合成Monocular到3D虚拟试穿数据集，其中每个人的图像都与正面和背面的深度图相关联。大量的实验表明，所提出的M3 D-VTON可以操纵和重建三维人体穿着给定的服装与引人注目的细节，是比其他3D方法更有效。
2021-08-11 cs.CV
Image-Based Virtual Try-on System With Clothing-Size Adjustment
Okayama University（冈山大学）
传统的基于图像的虚拟试穿方法由于系统无法准确反映人的身体信息，因此无法生成与服装尺寸相对应的试衣图像。在本研究中，我们提出一个以影像为基础的虚拟试穿系统，可以调整服装的尺寸。该方法以人体和服装的尺寸信息为输入，在虚拟空间中实现各种服装尺寸的可视化拟合。首先，基于OpenPose检测到的关键点的坐标信息，计算人物图像中衣服的肩宽和高度之间的距离。然后，系统仅改变分割图的服装区域的尺寸，分割图的布局是使用基于人和服装尺寸的比率在人图像中测量的人的尺寸来估计的。如果在绘制过程中衣服区域的大小增加，则会更正衣领和重叠区域中的细节，以改善视觉外观。
2023-02-27 cs.CV
PASTA-GAN++: A Versatile Framework for High-Resolution Unpaired Virtual Try-on
Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区）；Carnegie Mellon University（卡内基梅隆大学）；UiT The Arctic University of Norway（挪威北极大学）；ByteDance（字节跳动）
基于图像的虚拟试穿是以人为中心的图像生成的最有前途的应用之一，由于其巨大的现实世界的潜力。在这项工作中，我们向前迈出了一步，探索多功能的虚拟试穿解决方案，我们认为应该具有三个主要属性，即它们应该支持无监督训练，任意服装类别和可控服装编辑。为此，我们提出了一种保持特征的端到端网络，即PAT路由的空间自适应GAN++（PASTA-GAN++），以实现高分辨率未配对虚拟试穿的多功能系统。具体来说，我们的PASTA-GAN++由创新的补丁路由解缠结模块组成，将完整的服装解耦为标准化的补丁，该方法能够保留服装款式信息，同时消除服装空间信息，从而减轻无监督训练期间的过拟合问题。此外，PASTA-GAN++引入了基于补丁的服装表示和补丁引导的解析合成块，使其能够处理任意服装类别并支持本地服装编辑。最后，为了获得具有真实纹理细节的试穿结果，PASTA-GAN++采用了一种新的空间自适应残差模块，将粗糙的扭曲服装特征注入到生成器中。在我们新收集的UnPaired虚拟试穿（UPT）数据集上进行的大量实验证明了PASTA-GAN++优于现有SOTA及其可控服装编辑的能力。
2022-07-27 cs.CV
Virtual Try-On for Cultural Clothing: A Benchmarking Study
本研究提出BD-VITON数据集，专注于孟加拉国服饰，通过重新训练模型提升文化多样服饰的虚拟试穿性能。
2026-03-07 cs.CV
TalkFashion: Intelligent Virtual Try-On Assistant Based on Multimodal Large Language Model
School of Electronic and Computer Engineering, Peking University, China（北京大学电子与计算机工程学院）；Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（北京大学深圳研究生院）
本文提出TalkFashion，一种基于多模态大语言模型的智能试穿助手，通过文本指令实现整体换装和局部编辑，利用大模型分析指令并激活相应流程，引入指令式局部重绘模型免去手动掩码，实验显示语义一致性和视觉质量更优。
2025-07-08 cs.CV
Towards Multi-pose Guided Virtual Try-on Network
Sun Yat-sen University（中山大学）；South China Normal University（华南师范大学）
人体任意姿态虚拟试衣系统具有巨大的应用潜力，但也面临着许多挑战，如自遮挡、姿态间严重错位、服装纹理多样等。现有的服装试衣方法只能在固定的人体姿态上进行服装的变换，但往往不能保持服装的同一性，丢失了服装的纹理细节，降低了服装姿态的多样性。在本文中，我们首次尝试了多姿态引导虚拟试穿系统，它可以在不同的姿态下将衣服转移到一个人的图像上。给定输入的人物图像、期望的衣服图像和期望的姿势，所提出的多姿势引导虚拟试穿网络（MG-VTON）可以在将期望的衣服拟合到输入图像中并操纵人物姿势之后生成新的人物图像。我们的MG-VTON分三个阶段构建：1）合成目标图像的期望人类解析图以匹配期望的姿势和期望的衣服形状; 2）深度Warping生成对抗网络（Warp-GAN）将期望的服装外观变形到合成的人体解析图中，并消除输入的人体姿势和期望的人体姿势之间的不对齐问题; 3）利用多姿态合成掩模的细化渲染恢复衣服的纹理细节并去除一些伪影。在知名数据集和我们新收集的最大虚拟试穿基准上进行的大量实验表明，我们的MG-VTON在定性和定量方面都明显优于所有最先进的方法，具有良好的多姿态虚拟试穿性能。
2019-02-28 cs.CV
C-VTON: Context-Driven Image-Based Virtual Try-On Network
University of Ljubljana（卢布尔雅那大学）
基于图像的虚拟试穿技术已经显示出在以时尚为导向的电子商务平台上增强用户体验和提高客户满意度的巨大前景。然而，现有技术目前仍然受限于它们能够从不同特性的输入图像产生的试穿结果的质量。在这项工作中，我们提出了一个上下文驱动的虚拟试穿网络（C-VTON），解决了这些限制，并令人信服地将选定的服装项目的目标对象，即使在具有挑战性的姿势配置和存在的自我闭塞。C-VTON流水线的核心是：（i）几何匹配过程，其有效地将目标服装与输入图像中的人的姿势对齐，以及（ii）强大的图像生成器，其在合成最终试穿结果时利用各种类型的上下文信息。在VITON和MPV数据集上进行严格的实验，并与文献中的最先进技术进行比较，对C-VTON进行了评价。实验结果表明，该方法能够产生照片般真实感和视觉上令人信服的结果，并显着提高了现有的国家的最先进的。
2022-12-08 cs.CV
Oxygen-TryOn: Fashion-Native Foundation Model for Any-item Virtual Try-On
Oxygen AIGC Group（氧气AIGC集团）；Joy Future Academy（京东探索研究院）
研究提出时尚原生的Oxygen-TryOn基础模型，用于任意物品虚拟试穿。通过专用数据引擎和特定训练构建，重新定义试穿任务，设计三阶段训练方法，在单物品和多物品试穿中取得先进成果，超越多个系统。
2026-07-27 cs.CV
Toward Characteristic-Preserving Image-based Virtual Try-On Network
Sun Yat-sen University（中山大学）；SenseTime Group Limited（商汤集团有限公司）
基于图像的虚拟试穿系统，以适应新的商店服装到一个人的形象，吸引了越来越多的研究关注，但仍然是具有挑战性的。一个理想的流水线不仅要将目标服装无缝地转换成最合身的形状，而且要在生成的图像中很好地保留服装的身份，即描述原始服装的关键特征（例如纹理、徽标、刺绣）。然而，以前的图像调节生成作品无法满足这些关键要求，对合理的虚拟试穿性能，因为他们无法处理输入图像和目标衣服之间的大空间错位。先前的工作明确地解决了空间变形使用形状上下文匹配，但未能保留服装细节，由于其粗到细的策略。在这项工作中，我们提出了一种新的完全可学习的特征保留虚拟尝试网络（CP-VTON），以解决该任务中的所有现实挑战。首先，CP-VTON学习薄板样条变换，用于通过新的几何匹配模块（GMM）将店内衣服变换为适合目标人的身体形状，而不是像以前的工作那样计算兴趣点的对应关系。其次，为了减轻翘曲衣服的边界伪影并使结果更加逼真，我们采用了一个Try-On模块，该模块学习构图掩码来整合翘曲的衣服和渲染图像以确保平滑。在时尚数据集上的大量实验表明，我们的CP-VTON在定性和定量方面都达到了最先进的虚拟试穿性能。
2018-09-12 cs.CV
PG-VTON: A Novel Image-Based Virtual Try-On Method via Progressive Inference Paradigm
Zhejiang University（浙江大学）
本文提出PG-VTON虚拟试穿方法，通过渐进推理范式、鲁棒试穿解析和覆盖更多并选择一个的形变策略，结合StyleGAN2皮肤修复，在挑战性场景下取得最先进性能。
2023-12-05 cs.CV
OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on
Xiao-i Research（小i研究院）
本研究提出基于潜在扩散的OOTDiffusion虚拟试穿架构，通过穿搭UNet、穿搭融合与穿搭dropout实现高逼真度可控试穿，在两个基准数据集上表现优于现有方法。
2024-03-07 cs.CV
Single Stage Warped Cloth Learning and Semantic-Contextual Attention Feature Fusion for Virtual TryOn
Bharti School of Telecommunications, Indian Institute of Technology, Delhi, India（印度德里印度理工学院巴蒂电信学院）；Indian Institute of Information Technology, Sonepat, Haryana, India（印度哈里亚纳邦索内帕特印度信息技术学院）；Department of Electrical Engineering, Indian Institute of Technology, Delhi, India（印度德里印度理工学院电气工程系）
提出单阶段虚拟试穿框架，利用语义-上下文融合注意力与轻量级线性注意力实现高效服装扭曲和人体合成，提升试穿质量与效率。
2024-05-25 cs.CV
TryOnCrafter: Unleashing Camera Trajectories for Realistic Video Virtual Try-on via a Renderable 4D Try-on Proxy
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Xiamen University（厦门大学）；Alibaba Group（阿里巴巴集团）
提出TryOnCrafter，首个基于DiT的统一框架，通过可渲染4D试穿代理解耦人体与环境，实现相机可控的视频虚拟试穿，支持任意视角合成和下游应用。
2026-07-07 cs.CV
Eevee: Towards Close-up High-resolution Video-based Virtual Try-on
Amap, Alibaba Group（高德，阿里巴巴集团）；Tianjin University（天津大学）；Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
本文提出高分辨率视频虚拟试衣数据集，解决现有方法在真实纹理细节捕捉和近距离视频生成上的不足，引入VGID指标评估服装一致性，提升虚拟试衣的真实感和细节保真度。
2026-04-13 cs.CV
Controllable Clothing: Precise Labels and Generation for Virtual Try-On with Latent Diffusion Models
Publicis Resources GenAI Team（阳狮集团GenAI团队）；École Polytechnique（巴黎综合理工学院）；KTH（皇家理工学院）
本研究提出基于潜在扩散模型的新方法，通过开源AI模型添加标签并训练适配器，实现虚拟试穿图像的可控生成，可避免误导消费者。
2026-08-07 cs.CV
FW-VTON: Flattening-and-Warping for Person-to-Person Virtual Try-on
Shanghai Jiao Tong University（上海交通大学）
本文提出FW-VTON方法，通过展平、变形和整合三阶段实现人人虚拟试穿，并构建专用数据集，在定性和定量评估中均达到最先进性能。
2025-07-21 cs.CV
Single Stage Multi-Pose Virtual Try-On
Meta AI；University of Surrey（萨里大学）
多姿态虚拟试穿（MPVTON）旨在以目标姿态将目标服装适配到人身上。与传统的虚拟试穿（VTON），适合的服装，但保持姿势不变，MPVTON提供了更好的试穿体验，但也更具有挑战性，由于双重服装和姿势编辑目标。现有的MPVTON方法采用包括三个不相交的模块的流水线，所述三个不相交的模块包括目标语义布局预测模块、粗略试穿图像生成器和精细试穿图像生成器。这些模型是单独训练的，导致次优的模型训练和不满意的结果。在本文中，我们提出了一种新的单级模型的MPVTON。我们的模型的关键是一个并行的流估计模块，预测的目标姿势条件下的人和服装图像的流场。预测的流随后用于扭曲人和服装图像的外观特征图以构建风格图。然后使用该图来调制目标姿态的特征图以用于目标试穿图像生成。通过并行流量估计设计，我们的模型可以在单个阶段中进行端到端训练，并且计算效率更高，从而在现有MPVTON基准测试中获得新的SOTA性能。我们进一步介绍了多任务训练，并证明我们的模型也可以应用于传统的VTON和姿势转移任务，并在这两项任务上实现与SOTA专用模型相当的性能。
2022-11-19 cs.CV
Virtual Accessory Try-On via Keypoint Hallucination
Shanghai Jiao Tong University（上海交通大学）；Sensetime Research（商汤科技研究院）
本文提出一种以背景为导向的网络，通过幻觉前景关键点目标位置并结合配饰先验注入背景UNet，实现虚拟配饰试戴，并在STRAT数据集上验证其有效性。
2023-10-26 cs.CV
Tunnel Try-on: Excavating Spatial-temporal Tunnels for High-quality Virtual Try-on in Videos
Alibaba（阿里巴巴）；Huazhong University of Science and Technology（华中科技大学）
提出基于扩散框架的Tunnel Try-on，通过挖掘聚焦隧道放大服装区域以保留细节，结合Kalman filter平滑裁剪和位置嵌入生成连贯运动，并利用环境编码器提取外部上下文，实现高质量视频虚拟试穿。
2024-04-26 cs.CV
VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization
KAIST（韩国科学技术院）
基于图像的虚拟试穿任务旨在将目标服装物品转移到人的相应区域上，这通常通过将物品适配到期望的身体部位并将翘曲的物品与人融合来解决。虽然已经进行了越来越多的研究，但合成图像的分辨率仍然限于低（例如，256 x192），这是对满足在线消费者的关键限制。我们认为，限制源于几个挑战：随着分辨率的增加，在翘曲的衣服和所需的衣服区域之间的错位区域的文物变得明显的最终结果;在现有的方法中使用的架构在生成高质量的身体部位和保持纹理清晰度的衣服有低的性能。为了解决这些挑战，我们提出了一种新的虚拟试穿方法，称为VITON-HD，成功地合成了1024 x768虚拟试穿图像。具体来说，我们首先准备分割图来指导我们的虚拟试穿合成，然后粗略地将目标服装项目适合给定的人的身体。接下来，我们提出了ALIAS（ALIAS）规范化和ALIAS生成器来处理未对齐的区域并保留1024 x768输入的细节。通过与现有方法的严格比较，我们证明VITON-HD在合成图像质量方面在定性和定量方面都远远超过基线。代码可在https://github.com/shadow2496/VITON-HD上获得。
2021-09-10 cs.CV
Size-Variable Virtual Try-On with Physical Clothes Size
Toyota Technological Institute（丰田工业大学）
针对现有虚拟试穿未考虑服装与人物物理尺寸相对关系的问题，提出基于服装轮廓残差的可变尺寸虚拟试穿方法，构建对应数据集与评估指标，实验效果优于通用方法。
2024-12-09 cs.CV cs.GR
VITON: An Image-based Virtual Try-on Network
University of Maryland, College Park（马里兰大学帕克分校）
我们提出了一个基于图像的VIirtual试穿网络（VITON），而不使用任何形式的3D信息，它无缝地转移到一个人的相应区域使用粗到细的策略所需的服装项目。在一个新的服装不可知但描述性的人表示的条件下，我们的框架首先生成一个粗略的合成图像与目标服装项目覆盖在同一个人在同一个姿势。我们进一步增强了初始模糊的服装区域与细化网络。该网络被训练以学习从目标服装项目中利用多少细节，以及在哪里应用于人，以便合成照片般逼真的图像，其中目标项目自然变形，具有清晰的视觉图案。在我们新收集的Zalando数据集上的实验证明了它在基于图像的虚拟试穿任务中优于最先进的生成模型的前景。
2018-06-12 cs.CV
DiffusionTrend: A Minimalist Approach to Virtual Fashion Try-On
Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University, China（中国教育部多媒体可信感知与高效计算重点实验室，厦门大学）；Skywork AI, Singapore（新加坡Skywork AI）
DiffusionTrend提出一种免重训练的虚拟时尚试穿方法，利用轻量CNN生成的服装掩码引导扩散去噪过程，实现细节融合与视觉体验提升，同时避免资源密集型训练和复杂输入。
2025-05-30 cs.CV
AvatarVTON: 4D Virtual Try-On for Animatable Avatars
首个4D虚拟试穿框架，仅需单张店内服装图像即可生成逼真试穿效果，支持自由姿态控制、新视角渲染及多样化服装选择；包含互流整流器与非线性变形器两大核心模块，实现稳定贴合与自适应非线性变形，无需多视角采集或物理先验，适用于AR/VR、游戏及数字人领域。
2025-10-06 cs.CV
ViViD: Video Virtual Try-on using Diffusion Models
University of Science and Technology of China（中国科学技术大学）；Alibaba Group（阿里巴巴集团）
提出ViViD框架，利用扩散模型和服装编码器、姿态编码器及时间模块，实现高质量、时间一致的视频虚拟试穿，并发布最大规模数据集。
2024-05-28 cs.CV
Learning Implicit Features with Flow Infused Attention for Realistic Virtual Try-On
Shopee（虾皮）；Sun Yat-sen University（中山大学）
本文提出FIA-VTON，利用流注入注意力模块隐式利用变形特征，结合高层空间注意力，在VTON-HD和DressCode数据集上显著优于现有方法，实现逼真的虚拟试穿。
2024-12-16 cs.CV
A Novel Garment Transfer Method Supervised by Distilled Knowledge of Virtual Try-on Model
State Key Laboratory of Fluid Power & Mechatronic Systems（流体动力与机电系统国家重点实验室）；Zhejiang University（浙江大学）
针对服装迁移中的形状、扭曲与人体特征保留问题，提出由虚拟试穿模型蒸馏知识监督的解析推理、STN定位、渐进式光流扭曲及手臂重生训练方法，取得最先进性能。
2024-04-04 cs.CV
TexTailor: Texture-Preserving Video Virtual Try-On via Adaptive Garment Conditioning
Tsinghua University（清华大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
TexTailor提出基于视频扩散Transformer的框架，通过时间步自适应调制和帧对齐位置编码，解决高分辨率视频虚拟试穿中服装细节保留与时间一致性问题。
2026-10-01 cs.CV
CrossVTON: Mimicking the Logic Reasoning on Cross-category Virtual Try-on guided by Tri-zone Priors
Fudan University（复旦大学）；Tencent（腾讯）；Xiamen University（厦门大学）
针对跨类别虚拟试穿缺乏类人推理的问题，本文提出CrossVTON，通过迭代数据构造与三区域先验生成引导试穿、重建和想象，取得SOTA效果。
2025-02-20 cs.CV
Cloth Interactive Transformer for Virtual Try-On
University of Trento（特伦托大学）；University of Pisa（比萨大学）；ETH Zürich（苏黎世联邦理工学院）；Peng Cheng Laboratory（鹏城实验室）；University of Oxford（牛津大学）
针对图像虚拟试穿中人物与服装关联及长程依赖建模不足的问题，提出两阶段 CIT，分别实现服装匹配形变与全局交互推理，提升结果自然度和真实感。
2023-08-20 cs.CV
ARShoe: Real-Time Augmented Reality Shoe Try-on System on Smartphones
JD.COM Inc.（京东集团）；State Key Lab of Software Development Environment, Beihang University（北京航空航天大学软件开发环境国家重点实验室）；Beijing Advanced Innovation Center for Big Data-Based Precision Medicine（北京大数据精准医疗高精尖创新中心）
虚拟试穿技术使用户能够使用增强现实尝试各种时尚物品，并提供方便的在线购物体验。然而，大多数以前的工作集中在虚拟试穿的衣服，而忽略了鞋，这也是一个有前途的任务。针对这一问题，本文提出了一种面向智能手机的实时的【形】【形状】增强现实虚拟鞋子试穿系统ARShoe。具体而言，ARShoe采用了一种新颖的多分支网络，同时实现姿态估计和分割。提出了一种在试穿过程中生成真实感三维鞋模型遮挡的解决方案。为了达到平稳的试戴效果，本研究进一步发展了一种新的稳定方法。此外，为了训练和评估，我们构建了第一个大规模的足部基准，并标注了多个虚拟鞋试穿任务相关的标签。在我们新构建的基准上进行的详尽实验表明，ARShoe具有令人满意的性能。在普通智能手机上的实际测试验证了该方法的实时的【形】性能和稳定性。
2021-08-24 cs.CV
Arbitrary Virtual Try-On Network: Characteristics Preservation and Trade-off between Body and Clothing
Donghua University（东华大学）；Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；Hefei University of Technology（合肥工业大学）；Zhengzhou University（郑州大学）；Qihoo 360（奇虎360）；National University of Singapore（新加坡国立大学）
基于深度学习的虚拟试穿系统近年来取得了令人鼓舞的进展，但仍然存在一些需要解决的重大挑战，例如试穿所有类型的任意衣服，从一个类别试穿到另一个类别，以及生成具有图像真实感的结果。为了解决这个问题，本文首先收集了一个新的数据集，其中包含所有类型的衣服，\ie上衣、下装和整件衣服，每个衣服都有多个类别，其中包含丰富的服装特征信息，如图案、徽标和其他细节。基于此数据集，我们然后提出了任意虚拟试穿网络（AVTON），用于所有类型的衣服，它可以合成逼真的试穿图像，通过保留和权衡目标衣服和参考人的特征。我们的方法包括三个模块：1）肢体预测模块，用于通过保留参考人的特征来预测人体部位。这对于处理跨类别试穿任务（\eg长袖\(\leftrightarrow\)短袖或长裤\(\leftrightarrow\)裙子、\etc）尤其有利，其中可以合理地预测具有肤色和细节的暴露的手臂或腿; 2）改进的几何匹配模块，其被设计为根据目标人的几何形状来翘曲衣服。在基于TPS的变形方法中引入了一个完备的径向函数（Wendland的\(Ψ\) -函数）; 3）权衡融合模块，对变形后的衣服和参考人的特征进行权衡。该模块是基于网络结构的微调对称性，使生成的试穿图像看起来更加自然和逼真。进行了大量的模拟和我们的方法可以实现更好的性能相比，国家的最先进的虚拟试穿方法。
2021-11-24 cs.CV
Time-Efficient and Identity-Consistent Virtual Try-On Using A Variant of Altered Diffusion Models
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST））；VinAI Research（VinAI研究院）
针对虚拟试穿中纹理细节和身份特征保留难、合成速度慢的问题，提出一种双模块扩散模型FIP-VITON，实现高质量试穿，推理速度比现有最优方法快近20倍。
2024-07-17 cs.CV
End-to-End Learning of Geometric Deformations of Feature Maps for Virtual Try-On
Criteo AI Lab（Criteo人工智能实验室）
2D虚拟试穿任务最近引起了研究界的极大兴趣，因为它在网上购物中的直接潜在应用以及它固有的和未解决的科学挑战。这个任务需要在一个人的图像上适合店内的布料图像。这是非常具有挑战性的，因为它需要在保持其图案和特征的同时将布缠绕在目标人身上，并以逼真的方式与人组成物品。由于像素级合成步骤或几何变换，当前最先进的模型生成具有可见伪影的图像。在本文中，我们提出了WUTON：一个用于虚拟试穿系统的翘曲U-网。它是一个连体U网生成器，其跳跃连接通过卷积几何匹配器进行几何变换。整个架构都是端到端训练的，包括对抗性的多任务损失。这使我们的网络能够生成和使用布料的逼真空间变换来合成高视觉质量的图像。所提出的架构可以进行端到端的训练，并使我们能够朝着细节保留和照片般逼真的2D虚拟试穿系统前进。我们的方法优于当前最先进的视觉结果以及学习感知图像相似性（LPIPS）度量。
2019-06-10 cs.CV
Image-Based Virtual Try-On: A Survey
The School of Electrical and Information Engineering, Tianjin University（天津大学电气自动化与信息工程学院）；The College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）；The School of Computing, National University of Singapore（新加坡国立大学计算机学院）
本文系统综述了基于图像的虚拟试穿技术，从流水线架构、人物表示和关键模块等方面分析现有方法，并通过CLIP语义对齐评估和统一指标评测揭示研究现状、未解决问题及未来方向。
2024-09-03 cs.CV
