TryOffDiff：基于扩散模型的高保真衣物重建用于虚拟试穿
计算机视觉与模式识别
2025-08-11 v2 人工智能
摘要
本文引入 Virtual Try-Off (VTOFF)，一个新颖的任务，从单张穿衣人员照片生成标准化衣物图像。与 Virtual Try-On (VTON) 不同，后者用于数字为模型穿衣，而 VTOFF 提取规范衣物图像，要求精确重建形状、纹理和复杂图案，以实现对生成模型保真度的稳健评估。我们提出 TryOffDiff，通过适配 Stable Diffusion 并采用 SigLIP-based 视觉条件化，实现高保真重建。在 VITON-HD 和 Dress Code 数据集上的实验表明，TryOffDiff 在适应姿态迁移和 VTON 基线方法方面表现更优。我们观察到传统指标如 SSIM 不足以反映重建质量，因此我们采用 DISTS 进行可靠评估。我们的发现突显了 VTOFF 在改进电子商务产品图像、推进生成模型评估以及指导未来高保真重建研究方面的潜力。演示、代码和模型均可在：https://rizavelioglu.github.io/tryoffdiff 获取。
引用
@article{arxiv.2411.18350,
title = {TryOffDiff: Virtual-Try-Off via High-Fidelity Garment Reconstruction using Diffusion Models},
author = {Riza Velioglu and Petra Bevandic and Robin Chan and Barbara Hammer},
journal= {arXiv preprint arXiv:2411.18350},
year = {2025}
}
备注
Accepted at BMVC'25