DualFit：一种基于形变与合成的两阶段虚拟试衣方法

虚拟试衣技术因其无需实际试穿即可让用户可视化服装上身效果的潜力，在变革在线时尚零售体验方面备受关注。尽管近期基于扩散的无形变方法在感知质量上有所提升，但它们往往无法保留细粒度的服装细节，例如对品牌完整性和客户信任至关重要的标志和印刷文字元素。在这项工作中，我们提出了 DualFit，一种混合虚拟试衣流程，通过两阶段方法来解决这一局限性。在第一阶段，DualFit 使用学习到的流场对目标服装进行形变，使其与人物图像对齐，从而确保高保真度的保留。在第二阶段，一个保真度保持的试穿模块通过将形变后的服装与保留的人体区域进行混合来合成最终输出。特别地，为了引导这一过程，我们引入了保留区域输入和修复掩码，使模型能够保留关键区域并仅在必要时（尤其是服装接缝周围）进行重新生成。大量的定性结果表明，DualFit 在实现视觉上无缝的试衣效果的同时，忠实地保持了高频的服装细节，在重建精度和感知真实感之间取得了有效的平衡。