TryOn-Adapter：高保真虚拟试穿中高效的细粒度服装身份适配

本研究提出了一种基于扩散模型的虚拟试穿新方法，旨在提高服装纹理和用户身份的保留。

该方法结合高级语义和低级特征，在多个数据集上显著提升了虚拟试穿的真实感和效率。

研究引入了新的评估指标和基准测试集，为虚拟试穿技术的发展提供了重要工具和见解。

提出的扩散模型在推理速度上超过最先进技术近20倍，并在定性评估中具有更高的保真度。

研究中介绍的个性化定制方法有效保留了服装细节，生成真实感的虚拟试穿图像。

提出的自适应掩码训练范式显著提升了虚拟试穿体验的真实感，并首次提出了用于非配对试穿评估的指标。

构建了一个全面的跨试穿基准测试集（Cross-27），用于验证非配对试穿的有效性。