基于多模态大语言模型的 TalkFashion 智能虚拟试穿助手
计算机视觉与模式识别
2025-07-09 v1
摘要
近年来，虚拟试穿技术取得了显著进展。本文旨在实现仅通过文本指令即可实现的多功能虚拟试穿，包括整套服装更换和局部编辑。以往的方法主要依赖端到端网络完成单一试穿任务，缺乏 Versatility 和灵活性。我们提出 TalkFashion，一种智能试穿助手，利用大语言模型的强大理解能力分析用户指令，确定应执行的任务，从而激活不同的处理管线。此外，我们引入基于指令的局部重绘模型，无需用户手动提供掩码。借助多模态模型，该方法实现了完全自动化的局部编辑，提高了编辑任务的灵活性。实验结果表明，该方法在语义一致性和视觉质量方面优于当前方法。
引用
@article{arxiv.2507.05790,
title = {TalkFashion: Intelligent Virtual Try-On Assistant Based on Multimodal Large Language Model},
author = {Yujie Hu and Xuanyu Zhang and Weiqi Li and Jian Zhang},
journal= {arXiv preprint arXiv:2507.05790},
year = {2025}
}
备注
6 pages, 5 figures