Dress-ED：面向虚拟试穿与试脱的指令导向编辑
计算机视觉与模式识别
2026-04-15 v2
摘要
最近的虚拟试穿(VTON)和虚拟试脱(VTOFF)技术显著提升了时尚合成和服装重建的照片级真实感，但现有数据集仍为静态，缺乏面向可控和交互式时尚生成的指令驱动编辑能力。本文引入 Dress Editing Dataset (Dress-ED)，首个大规模基准，统一框架内集成 VTON、VTOFF 与文本导向服装编辑。Dress-ED 的每个样本包含服装店中的服装图像、对应穿着该服装的人物图像、其编辑后的版本，以及自然语言指令。我们通过完全自动化的多模态管道构建数据集，集成基于 MLLM 的服装理解、扩散模型编辑和 LLM 指导的验证，Dress-ED 包含超过 146k 个经验证的四元组，覆盖三类服装和七种编辑类型，包括外观编辑（如颜色、图案、材料）和结构编辑（如袖长、领口形状）。基于该基准，我们进一步提出统一的多模态扩散框架，联合推理语言指令与视觉服装线索，可作为指令驱动 VTON 和 VTOFF 的强基准。数据集和代码将公开释放。项目页面：https://furio1999.github.io/Dress-ED/
引用
@article{arxiv.2603.22607,
title = {Dress-ED: Instruction-Guided Editing for Virtual Try-On and Try-Off},
author = {Fulvio Sanguigni and Davide Lobba and Bin Ren and Marcella Cornia and Nicu Sebe and Rita Cucchiara},
journal= {arXiv preprint arXiv:2603.22607},
year = {2026}
}
备注
Project page: https://furio1999.github.io/Dress-ED/