OmniVTON：无训练的通用虚拟试穿框架
计算机视觉与模式识别
2025-07-22 v1
摘要
图像-based 虚拟试穿（VTON）技术依赖于或基于监督的店内方法，这些方法确保高保真度，但在跨域泛化方面受限；或基于无监督的野外方法，提高了可适应性，但仍受数据偏见和有限普适性的约束。一个在两种场景下都能工作的统一、无训练解决方案仍是开放挑战。我们提出 OmniVTON，这是首个无训练的通用 VTON 框架，通过解耦服装和姿态条件实现在不同设置下同时达到纹理保真度和姿态一致性。为保留服装细节，我们引入服装先验生成机制，将服装与身体对齐，随后采用连续边界拼接技术实现精细纹理保留。对于精准姿态对齐，我们利用 DDIM 反演捕获结构线索，同时抑制纹理干扰，确保身体对齐准确且独立于原始图像纹理。通过解耦服装和姿态约束，OmniVTON 消除了扩散模型在处理多个条件时固有的偏见。实验结果表明，OmniVTON 在不同数据集、服装类型和应用场景中实现卓越性能。值得注意的是，它是首个能够实现多人 VTON 的框架，使单个场景中能够实现真实的服装跨多个个体的传递。代码已公开 https://github.com/Jerome-Young/OmniVTON
引用
@article{arxiv.2507.15037,
title = {OmniVTON: Training-Free Universal Virtual Try-On},
author = {Zhaotong Yang and Yuhui Li and Shengfeng He and Xinzhe Li and Yangyang Xu and Junyu Dong and Yong Du},
journal= {arXiv preprint arXiv:2507.15037},
year = {2025}
}
备注
Accepted by ICCV2025