AlignVTOFF：用于高保真虚拟试穿的纹理-空间特征对齐
计算机视觉与模式识别
2026-01-06 v1
摘要
虚拟试穿（VTOFF）是一项具有挑战性的多模态图像生成任务，旨在合成在复杂几何变形和丰富高频纹理下方形布局的服装。现有方法常依赖轻量级模块进行快速特征提取，难以保留结构化图案和细粒度细节，导致生成时出现纹理衰减。为解决此问题，本文提出AlignVTOFF，一种基于参考U-Net和纹理-空间特征对齐（TSFA）构建的并行U-Net框架。参考U-Net进行多尺度特征提取并增强几何保真度，使其能够稳健地建模变形，同时保留复杂的结构化图案。TSFA随后通过混合注意力设计将参考服装特征注入冻结的去噪U-Net，包括可训练的跨注意力模块和冻结的自注意力模块。该设计显式对齐纹理和空间线索，减轻了去噪过程中高频信息的损失。广泛的实验表明，AlignVTOFF在多种设置下均优于当前最先进的方法，生成的方形布局服装结果在结构真实性和高频细节保真度方面均取得显著提升。
引用
@article{arxiv.2601.02038,
title = {AlignVTOFF: Texture-Spatial Feature Alignment for High-Fidelity Virtual Try-Off},
author = {Yihan Zhu and Mengying Ge},
journal= {arXiv preprint arXiv:2601.02038},
year = {2026}
}