Eevee：迈向近距离高分辨率视频虚拟试穿
计算机视觉与模式识别
2026-04-14 v2
摘要
视频虚拟试穿技术为时尚电商中的营销视频制作提供了一种经济高效的解决方案。然而，其实际应用受到两个关键限制。首先，当前虚拟试穿数据集对单件服装图像的依赖限制了真实纹理细节的准确捕捉。其次，大多数现有方法仅专注于生成全镜头虚拟试穿视频，忽视了业务对同时提供详细近距离镜头的视频的需求。为应对这些挑战，我们引入了一个用于视频虚拟试穿的高分辨率数据集。该数据集具有两个关键特征。第一，它提供了更详细的服装信息，包括具有详细近距离镜头的高保真图像和文本描述；第二，它独特地包含了真实人体模特的全镜头和近距离试穿视频。此外，对于要求高保真度保留服装细节的近距离视频而言，准确评估一致性变得更加关键。为促进此类细粒度评估，我们提出了一种新的服装一致性度量 VGID（Video Garment Inception Distance），用于量化纹理和结构的保留程度。我们的实验验证了这些贡献。我们证明，通过利用数据集中详细的图像，现有视频生成模型可以提取并整合纹理特征，显著增强虚拟试穿结果的逼真度和细节保真度。此外，我们对近期模型进行了全面的基准测试。该基准测试有效识别了当前方法中的纹理和结构保留问题。
引用
@article{arxiv.2511.18957,
title = {Eevee: Towards Close-up High-resolution Video-based Virtual Try-on},
author = {Jianhao Zeng and Yancheng Bai and Ruidong Chen and Xuanpu Zhang and Lei Sun and Dongyang Jin and Ryan Xu and Nannan Zhang and Dan Song and Xiangxiang Chu},
journal= {arXiv preprint arXiv:2511.18957},
year = {2026}
}