论文页面 - CtrlVTON: 基于视觉实例提示分割的可控虚拟试穿

来源: https://huggingface.co/papers/2607.09362

摘要

虚拟试穿（VTO）在将服装真实地迁移到目标人物身上方面取得了显著进展。然而，大多数系统给用户提供的对服装穿着方式的控制极少——包括其尺寸（宽松或合身）、款式（例如，塞进或不塞进、敞开或闭合）以及在身体上的空间位置。我们通过两项互补贡献来填补这一空白。首先，我们定义并通过VIP-SAM解决视觉实例提示分割（Visual-Instance-Prompt Segmentation）：给定一件服装的平铺图像，在一个人穿着该服装的照片中分割出该特定实例。这是一个实例级别的任务，与通常研究的类别级别分割不同。其次，我们引入CtrlVTON，一个可控的VTO框架，它将试穿重新定义为图像编辑问题，并添加分割掩码作为对服装布局的像素级控制，包括款式、尺寸和在身体上的空间位置。VIP-SAM和CtrlVTON各自在其任务上达到了最先进的结果。特别是，CtrlVTON生成的图像比最强大的专有编辑系统更忠实地遵循用户提供的布局，同时在服装保真度上与它们匹敌。

查看arXiv页面 (https://arxiv.org/abs/2607.09362) 查看PDF (https://arxiv.org/pdf/2607.09362) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.09362)

引用本文的模型 0

暂无模型链接本文

在模型的README.md中引用 arxiv.org/abs/2607.09362 即可从此页面链接。

引用本文的数据集 0

暂无数据集链接本文

在数据集的README.md中引用 arxiv.org/abs/2607.09362 即可从此页面链接。

引用本文的Spaces 0

暂无Space链接本文

在Space的README.md中引用 arxiv.org/abs/2607.09362 即可从此页面链接。

包含本文的收藏集 0

暂无收藏集包含本文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 即可从此页面链接。