本文是一篇计算机论文，本文通过对数据集的创新性扩展、虚拟试衣框架的设计与优化、以及全面的实验研究，为虚拟试衣技术的发展提供了新的解决方案和研究思路。在未来的工作中，虚拟试衣技术仍面临许多挑战，例如更高分辨率的试穿效果、更复杂多样的服装类型支持以及跨领域的实际应用。
第1章 绪论
1.1 研究背景与意义
虚拟试穿技术是人工智能生成内容（Artificial Intelligence Generated Content, AIGC）的重要研究方向之一，在条件人物图像生成领域备受关注，将成为未来人们购买衣物的发展趋势[61]。其核心目标是将给定的服装图像合成到目标人体的相应区域，同时保持人体的姿态和身份特征。这一技术已广泛应用于电商平台和短视频平台等多个领域。在电商场景中，虚拟试穿技术能够让在线购物者直观地了解服装的穿着效果，从而提升购物体验并提高交易成功率；而在短视频平台上，虚拟试穿技术助力用户根据个人创意设计服装内容，探索个性化的时尚感，制作吸引人的图像和视频内容，推动了AI时尚的快速发展。
虚拟试穿的概念最早于2001年提出[1]，当时的方法通过预先计算的通用数据库，在Web应用程序上生成个性化的动态服装效果图。随着计算机视觉和生成模型的快速发展，虚拟试穿技术不断演进，主要分为基于物理模拟、真实采集和图像生成三大类。基于物理模拟的方法通过布料模拟技术[2-4]实现人体重建和服装测量，能够提供位姿可控和360°展示的效果，但在精度、效率和自动化方面仍面临挑战。真实采集方法通过捕捉和存储服装外观并利用形状可控的机器人展示，尽管具有较高的保真度，但其人工成本极高，应用较为有限。相比之下，基于图像生成的方法因其高效和低成本的优势受到广泛关注，成为虚拟试穿研究的主流方向。然而，这类方法在生成服装与人体融合图像时，往往会出现伪影、细节丢失和错位等问题，限制了其在实际场景中的广泛应用。
1.2 国内外研究现状
（1） 基于形变的虚拟试穿方法
基于形变的虚拟试穿方法通常包括两个主要阶段：服装形变和试穿合成。早期的方法[5-14]利用薄板样条（Thin Plate Spline, TPS）对服装进行变形以适配人体。这种方法采用从粗到细的策略，首先通过编码器-解码器架构生成粗略的试穿结果，然后使用 TPS 对服装进行精确映射以适配目标人体。
后续的研究工作集中于增强 TPS 的变形能力[26-29]或改进试穿流程中的不足[7,29,30]。为提升 TPS 的性能，国外的[6]通过优化输入表示和改进训练损失重新设计了这一过程。同样地，国内的[7]引入了一个新的几何匹配模块（Geometric Matching Module, GMM），通过薄板样条变换精确调整服装形状，并利用融合模块生成合成掩膜，平滑融合变形服装与人体图像，有效保留服装细节与特征，解决了大空间错位和服装细节保留的难题。
其他方法则试图解决特定挑战，例如错位和遮挡问题。国内的[29] 提出了一种解耦循环一致性试衣网络，通过解耦服装变形、皮肤合成和图像融合，提升虚拟试衣的真实感，同时采用循环一致性学习实现自监督训练，有效解决服装与非服装区域耦合问题。针对遮挡问题，国内的[30] 提出了一种自适应内容生成与保留网络，通过预测试衣后的语义布局，判断图像内容的生成或保留区域。其方法包括语义布局生成模块、服装变形模块（引入二阶差分约束稳定变形过程）以及内容融合模块，自适应生成人体各语义部分，实现细节丰富且逼真的试衣效果。
第2章 虚拟试衣的相关理论和技术背景
2.1 扩散模型的生成机制与条件生成能力
扩散模型（Diffusion Model）[22]是一种基于概率的生成模型，其核心思想是在噪声的逐步扩散和逆向去噪过程中，生成高质量的目标图像。这种逐步生成的过程非常适合复杂服装纹理和姿态的建模，尤其是在虚拟试衣任务中。
为了降低计算复杂度和扩散模型对高分辨率图像生成的内存需求，潜在扩散模型（LDM）[32]被提出，作为扩散模型的一种优化技术。LDM 的核心思想是通过预训练的变分自编码器（VAE）[38]将高维图像数据映射到低维潜在空间中进行扩散生成，从而显著降低计算复杂度。
2.2 服装姿态生成的关键技术
服装姿态生成是虚拟试衣任务中的重要环节，其目标是生成与人体姿态匹配的服装几何表示。本文首先定义了服装姿态图的结构，随后设计了基于扩散模型和服装关键点预测模型的生成方法。
服装姿态图的定义基于人体姿态图，从中选取10个与服装相关的关键点（包括颈部、肩部、肘部、手腕和髋部），构成服装姿态图。这些关键点能够准确描述穿戴服装的主要形态和结构，同时与人体姿态图保持对齐关系。在数据收集方面，本文利用现有数据集中提供的人体姿态图生成扭曲的服装姿态图，并结合分割技术提取服装区域，构建数据对用于微调现有的服装关键点预测模型。通过微调后的模型，本文从正面视角的服装图像中生成正面视角的服装姿态图，为后续服装生成网络提供了可靠的几何输入。
在生成过程中，本文引入扩散模型的条件生成能力，对服装姿态图和服装图像进行联合建模。扩散模型通过逐步优化生成过程，生成与人体姿态匹配的服装姿态图。为了提高生成的准确性，本文在扩散模型中设计了基于人体姿态条件posec的约束机制，使生成的服装姿态图能够与目标人体姿态自然对齐。
第3章 增强型虚拟试穿数据集 ································· 16
3.1 数据集构建 ···························· 16
3.1.1 数据集详细信息 ······················· 19
3.1.2 数据集适用任务 ································· 20
第4章 服装-模特的虚拟试衣 ··························· 22
4.1 基于扩散模型的虚拟试衣方法 ························· 22
4.1.1 整体架构 ······································· 22
4.1.2 服装姿态生成网络 ································· 23
第5章 模特-模特的虚拟试衣···································· 29
5.1 基于双重扩散模型的虚拟试衣方法 ································· 29
5.1.1 整体架构 ····························· 29
5.1.2 虚拟试衣网络 ······················· 30
第6章 解析无依赖的虚拟试衣
6.1 基于扩散模型的无解析依赖虚拟试衣方法
6.1.1 方法概述
本文提出了一种解析无依赖的虚拟试穿框架 PFD-VTON，旨在摒弃对人体解析图（human parsing maps）的依赖，从根本上解决解析图噪声可能引发的伪影问题。传统虚拟试衣方法通常需要显式的语义分割结果作为条件输入，但解析图的生成往往依赖于复杂的图像处理流程，且易受输入图像质量的影响，从而导致生成结果的不稳定性和不真实感。针对这些问题，PFD-VTON 直接使用目标模特穿着不同服装的图像作为条件输入，通过引入标准化的服装姿势表示（Clothing Pose Representations）和人体姿势表示（Human Pose Representations），结合轻量化扩散模型生成高质量的虚拟试穿效果。
PFD-VTON 的核心创新在于其解析无依赖设计和扩散模型的高效生成机制。首先，PFD-VTON 利用服装姿势表示与人体姿势表示准确描述服装的几何结构和人体的骨骼信息，从而显著提高了服装与人体的几何对齐能力。其次，通过直接使用目标模特穿着不同的服装的图像作为条件输入，PFD-VTON 避免了解析图引发的伪影问题，并保留了目标模特的完整外观信息，包括身体轮廓、服装纹理以及配饰细节。此外，PFD-VTON 结合轻量化的扩散模型，能够在复杂人体姿态和局部遮挡场景中生成自然且高保真的试穿效果，同时展现出较强的鲁棒性与实用性。方法的整体流程如图6-1所示。
第7章 总结与展望
7.1 本文工作总结
虚拟试衣技术作为人工智能与计算机视觉领域的重要研究方向之一，在电子商务、时尚设计等领域具有广泛的应用价值。本文针对现有虚拟试衣方法中存在的诸多问题，提出了一系列创新性的解决方案，并通过理论分析、方法设计和实验验证证明了其有效性。本文的主要工作和贡献总结如下：
（1）构建了两个全新的虚拟试衣数据集。 现有虚拟试衣数据集在服装姿态信息和非配对模特图像方面存在不足，限制了虚拟试衣任务的研究与发展。为了解决这一问题，本文扩展了 VITON-HD 和 DressCode 数据集，构建了 VITON-HD-Enhanced 和 DressCode-Enhanced 数据集。这两个数据集引入了标准化的服装姿态图和目标模特穿着不同服装的非配对图像，为虚拟试衣任务提供了更加精准和多样化的数据支持。实验表明，这两个新数据集显著提升了虚拟试衣模型的训练和评估能力，为后续研究提供了重要的数据资源。
（2）提出了 ClothPoseTryOn 虚拟试衣框架。针对复杂人体姿态和局部遮挡区域虚拟试衣效果不佳的问题，本文提出了基于扩散模型的 ClothPoseTryOn 框架。该框架由服装姿态生成网络和虚拟试衣网络两部分组成，分别通过潜在扩散模型生成精准的服装姿态表示和高质量的试穿结果。实验结果表明，ClothPoseTryOn 在多个公开数据集上的表现优于现有方法，尤其在服装细节和遮挡区域的生成效果上展现了显著优势。
（3）设计了 DualVTON 双重虚拟试衣框架。为实现更灵活的虚拟试衣应用，本文进一步提出了 DualVTON 框架。该框架由虚拟试衣网络和服装提取网络组成，通过双重结构的协同工作，不仅支持传统的服装到人体试穿，还能够实现模特间的服装交换功能。通过引入循环一致性优化策略，DualVTON 显著提升了生成服装的质量和一致性，实验结果表明，其在复杂服装纹理和姿态场景中表现尤为出色。
参考文献（略）