优化扩散过程的高效虚拟试穿模型 - EfficientVITON

每个人都希望能通过镜子就能试穿衣服，这就是虚拟试穿技术的使命——让用户能够数字化实验不同搭配。核心挑战在于现实图像到图像的翻译，需使服装适配多样化的人体形态、姿态与体型。早期方法采用 2D 变换，速度快但图像质量常令人失望且缺乏细腻之处。GAN 技术虽提升真实感，但依赖配对数据限制多样性。更灵活的方法虽视觉出色，却需大量计算资源和时间。近期扩散模型展现前景，但现有虚拟试穿工具仍损失细节且易产生扭曲。为此，本文提出 EfficientVITON，基于预训练的Stable Diffusion模型实现更佳图像与部署可行性。系统包含空间编码器维持服装细节，零交叉注意力块捕捉服装贴合人体的细微差别。输入图像经过精心准备，扩散过程被优化显著缩短生成时间且不损失图像质量。训练包含两个细调阶段，严格平衡损失函数确保试穿精准与视觉高品质。严格测试 VITON-HD 数据集并结合真实案例，证明 EfficientVITON 实现最新成果。