RealVVT：面向照片级视频虚拟试穿的时空一致性
计算机视觉与模式识别
2025-03-12 v2 图形学
摘要
虚拟试穿已成为计算机视觉与时尚领域的关键任务，旨在数字模拟衣物在人体上的穿戴效果。尽管单图像虚拟试穿（VTO）取得了显著进展，但现有方法常难以在延长的视频序列中保持衣物的一致性和真实外观。这种挑战源于动态人体姿态捕捉和保持目标衣物特征的复杂性。我们利用现有的视频基础模型，引入RealVVT，一种针对动态视频情境以增强稳定性和真实性的照片级视频虚拟试穿框架。我们的 методology包括服装与时序一致性策略、无指导注意力焦点损失机制以确保空间一致性，以及一种擅长处理延长视频序列的姿态引导的长视频VTO技术。广泛的实验结果表明，我们的方法在单图像和视频VTO任务中均优于现有最先进模型，为时尚电商和虚拟试衣环境提供了可行的解决方案。
引用
@article{arxiv.2501.08682,
title = {RealVVT: Towards Photorealistic Video Virtual Try-on via Spatio-Temporal Consistency},
author = {Siqi Li and Zhengkai Jiang and Jiawei Zhou and Zhihong Liu and Xiaowei Chi and Haoqian Wang},
journal= {arXiv preprint arXiv:2501.08682},
year = {2025}
}
备注
10 pages (8 pages main text, 2 pages references), 5 figures in the main text, and 4 pages supplementary materials with 3 additional figures