虚拟试衣间：从单张图像生成任意长虚拟试穿视频——技术预览
计算机视觉与模式识别
2025-09-05 v1 机器学习
摘要
我们引入了 Virtual Fitting Room (VFR)，一种能够生成任意长度虚拟试穿视频的新型视频生成模型。我们的 VFR 将长视频生成任务建模为自回归的逐段生成过程，无需资源密集型的生成和冗长的视频数据，同时提供了生成任意长度视频的灵活性。该任务的关键挑战有两方面：确保相邻片段之间的局部平滑性，以及维持不同片段间的全局时间一致性。为了应对这些挑战，我们提出了 VFR 框架，该框架通过前缀视频条件确保平滑性，并利用锚定视频（一段全面捕捉人体全身外观的 360 度视频）来强制一致性。我们的 VFR 能够在各种运动下生成具有局部平滑性和全局时间一致性的分钟级虚拟试穿视频，使其成为长虚拟试穿视频生成领域的开创性工作。
引用
@article{arxiv.2509.04450,
title = {Virtual Fitting Room: Generating Arbitrarily Long Videos of Virtual Try-On from a Single Image -- Technical Preview},
author = {Jun-Kun Chen and Aayush Bansal and Minh Phuoc Vo and Yu-Xiong Wang},
journal= {arXiv preprint arXiv:2509.04450},
year = {2025}
}
备注
Project Page: https://immortalco.github.io/VirtualFittingRoom/