FashionMAC: 无变形时尚图像生成与细粒度模型外观定制
计算机视觉与模式识别
2026-01-13 v2
摘要
以服装为中心的时尚图像生成旨在合成真实且可控的人体模型穿着给定服装的图像，由于其在电子商务中的实际应用而受到越来越多的关注。该任务的关键挑战在于两个方面：(1)忠实保留服装细节，(2)对模型外观实现细粒度控制。现有方法通常需要在生成过程中进行服装变形，这往往导致服装纹理失真。此外，由于缺乏专门设计的机制，它们无法控制生成模型的细粒度属性。为解决这些问题，我们提出了FashionMAC，一种新颖的基于扩散的无变形框架，能够实现高质量且可控的时尚展示图像生成。我们框架的核心思想是消除进行服装变形的需要，直接从穿着服装的人体外拓服装分割区域，从而实现复杂服装细节的忠实保留。此外，我们提出了一种新颖的区域自适应解耦注意力(RADA)机制以及链式掩码注入策略，以实现对合成人体模型的细粒度外观控制。具体而言，RADA自适应地为每个细粒度文本属性预测生成区域，并通过链式掩码注入策略强制文本属性聚焦于预测区域，显著增强了视觉保真度和可控性。大量实验验证了我们框架相较于现有最先进方法的优越性能。
引用
@article{arxiv.2511.14031,
title = {FashionMAC: Deformation-Free Fashion Image Generation with Fine-Grained Model Appearance Customization},
author = {Rong Zhang and Jinxiao Li and Jingnan Wang and Zhiwen Zuo and Jianfeng Dong and Wei Li and Chi Wang and Weiwei Xu and Xun Wang},
journal= {arXiv preprint arXiv:2511.14031},
year = {2026}
}