CORAL：面向改进虚拟试穿的用户-服装对应对齐
计算机视觉与模式识别
2026-02-20 v1
摘要
现有虚拟试穿（VTON）方法常常难以保留细致的服装细节，尤其是在无配对设置下更需准确的用户-服装对应。这些方法未明确强制用户-服装对齐，且未解释在扩散变换器（DiT）中对应关系如何产生。本文首先分析DiT架构中的全局3D注意力，揭示用户-服装对应关键依赖于全局3D注意力中查询-键的精确匹配。基于此洞察，我们提出CORrespondence ALignment（CORAL），一个显式对齐查询-键匹配的DiT框架。CORAL集成两个互补组件：一种对应蒸馏损失，将可靠匹配与用户-服装注意力对齐，以及一种熵最小化损失，以锐化注意力分布。我们进一步提出一种基于VLM的评估协议以更好地反映人类偏好。CORAL在基线上持续改进，既提升了全局形状转换，又增强了局部细节保留。大量消融实验验证了我们的设计选择。
引用
@article{arxiv.2602.17636,
title = {CORAL: Correspondence Alignment for Improved Virtual Try-On},
author = {Jiyoung Kim and Youngjin Shin and Siyoon Jin and Dahyun Chung and Jisu Nam and Tongmin Kim and Jongjae Park and Hyeonwoo Kang and Seungryong Kim},
journal= {arXiv preprint arXiv:2602.17636},
year = {2026}
}
备注
32 pages, 25 figures