虚拟试穿中关键要素是什么？基于Dual-UNet扩散模型的衣物重建
计算机视觉与模式识别
2026-04-13 v1
摘要
虚拟试穿（VTON）取得了快速的进展，为生成式时尚任务提供了坚实的基础。然而，逆问题——虚拟试脱（VTOFF）——即从drapped-on图像中重建标准衣物——仍是一个鲜为人知的领域，与VTON这一密集研究的领域不同。本文旨在通过研究和改编VTON和通用潜在扩散模型（LDM）中的各种扩散策略，为VTOFF建立稳健的架构基础。我们聚焦于Dual-UNet扩散模型架构，分析三个设计轴向：（i）生成主干：比较Stable Diffusion变体；（ii）条件控制：消融不同的mask设计、masked/unmasked输入用于图像条件，以及高层语义特征的实用性；（iii）损失函数与训练策略：评估辅助注意力损失、感知目标和多阶段课程计划的影响。大量实验揭示了各种配置选项之间的权衡。在VITON-HD和DressCode数据集上，我们的框架在主要指标DISTS上实现了9.5%的提升，在LPIPS、FID、KID和SSIM上实现了具竞争力的性能，为未来的虚拟试脱研究提供了更强的基线和见解。
引用
@article{arxiv.2604.08716,
title = {What Matters in Virtual Try-Off? Dual-UNet Diffusion Model For Garment Reconstruction},
author = {Loc-Phat Truong and Meysam Madadi and Sergio Escalera},
journal= {arXiv preprint arXiv:2604.08716},
year = {2026}
}