OutfitAnyone: Ultra-high Quality Virtual Try-On for Any Clothing and Any Person

虚拟试穿（VTON）已成为一种变革性技术，使用户能够在不必亲身试穿衣物的情况下尝试时尚。然而，现有的方法经常难以生成高保真度和细节一致的结果。虽然扩散模型（例如稳定扩散系列）已经显示出它们在创建高质量和照片般逼真的图像方面的能力，但在像VTON这样的条件生成场景中，它们遇到了巨大的挑战。具体而言，这些模型在为虚拟试穿生成图像时很难在控制和一致性之间保持平衡。OutfitAnyone通过利用双流条件扩散模型来解决这些限制，使其能够熟练处理服装变形以获得更逼真的结果。它通过姿势、身体形状和广泛适用性等可扩展调节因素来区别于其他方法，从动漫到野外图像都适用。在各种场景下，OutfitAnyone的性能凸显了其实用性和准备好在现实世界中部署。有关更多详细信息和动画结果，请参见\url{https://humanaigc.github.io/outfit-anyone/}。

OutfitAnyone论文试图解决虚拟试衣技术中高保真度和细节一致性的问题，同时在生成图像的控制和一致性之间寻求平衡。

OutfitAnyone使用了两种条件扩散模型的组合，以更好地处理服装变形，从而实现更逼真的结果。

论文使用了两种条件扩散模型的组合，同时考虑了姿势、身体形状等因素，使得模型具有较强的可扩展性和适用性；实验结果表明，OutfitAnyone在不同场景下都表现出色，具有实际应用价值。

与OutfitAnyone相关的研究包括Stable Diffusion系列等扩散模型，以及虚拟试衣技术中的姿势估计、形状重建等方向的研究。