FEAT：基于任意设计的时尚编辑与虚拟试穿

时尚设计旨在表达设计师的创意意图并描绘服装与人体的相互作用。最近的方法基于多模态输入来支持服装编辑和虚拟试穿。然而，现有方法仍 (i) 将设计局限于服装相关图像，排除了诸如艺术品、抽象图像和自然照片等创意设计来源，以及 (ii) 无法支持完整的服装搭配，包括配件。我们提出 FEAT (Fashion Editing And Try-On from Any Design)，一种能够使用多样化设计来源跨服装和配件进行编辑和试穿的方法。为实现此目标，我们引入了解�odied Dual Injection (DDI)，它接受服装和非服装设计来源，并通过内容和风格解�odied 机制选择性地注入设计线索。此外，我们提出了正交引导噪声融合 (OGNF)，一种无需训练的机制，通过正交投影去除残余服装，并对区域应用特定噪声策略，以实现服装和配件的虚拟试穿。广泛的实验表明，FEAT 在设计灵活性、提示一致性和视觉真实性方面实现了最先进的性能。