京东推出AI试衣功能，通过A/B实验平台提升时尚电商主图转化率超过80%。AI技术快速生成多样化模特图，解决了模特真实性和服装细节还原问题，优化商品展示，降低制作成本和时间。

本文介绍了一种通用虚拟试穿框架GP-VTON，采用LFGP变形模块和DGT训练策略，解决了虚拟试穿中的人体姿势和衣物变形问题。实验结果显示，该方法在高分辨率基准上优于现有技术。此外，提出的FLDM-VTON模型提高了衣物细节的忠实性，生成高质量试衣图像。研究还引入了多视图虚拟试衣方法和动态3D场景编辑，增强了图像合成的真实性和细节表现。

本文介绍了一种新的学生-教师模型用于2D虚拟试穿，提升了实时性和图像处理效率。研究提出了基于渐进式推理的PGVTON和改进的扩散模型IDM-VTON等多种虚拟试穿方法，显著提高了服装的真实性和适应性，并提出了新的评估指标和跨试穿基准集，推动了虚拟试穿技术的发展。

中山大学和Pixocial联合发布了CatVTON，一种轻量化模型架构，实现虚拟试衣功能。该模型简洁高效，只需VAE+UNet两个网络模块，参数量小。通过解锁训练，发现Self Attention是关键模块。CatVTON实现了SOTA的试穿效果，降低了模型的训练和推理计算需求。

本研究提出了一种改进的虚拟试穿扩散模型（IDM-VTON），通过高级语义与低级特征的融合，提高了服装的真实性。该模型能够实现个性化服装合成，解决了样式与纹理的交织问题，实验结果表明其在合成质量和个性化方面表现优越，为在线购物和时尚设计提供了新体验。

本研究提出了一种改进的图像虚拟试穿扩散模型（IDM-VTON），通过高级语义与低级特征融合，提高服装的真实性，生成真实感的虚拟试穿图像。研究探讨了虚拟试穿中的挑战，并提出新方案解决服装纹理和用户身份保留问题，展示了显著的性能提升。

该研究提出了一种新型单目-3D虚拟试穿网络，结合2D和3D信息，构建高质量试穿模型。模型包括单目预测、深度细化和纹理融合模块，实验结果表明其效率和真实感优于其他方法。此外，研究还介绍了多视图虚拟试衣和个性化虚拟试穿模型，解决了服装褶皱和姿势变换等问题，显著提升了虚拟试穿效果。

AI数字模特能够快速生成大量产品展示图片，并根据消费者需求进行个性化定制。在电商领域已有多个市场案例，如阿里巴巴的AI试衣、阿里妈妈的AI模特等。项目使用Stable Diffusion Web UI进行关键路径探索，通过前端界面原型设计和实现、服务端实现和Lora模型训练方向来落地实现。前端使用Astro岛屿架构和UnoCSS框架，状态共享使用Nano Stores。项目部署使用Vercel平台和Deno平台。AI模特实现了模特商拍和模特换装功能，追求极致体验使用基于浏览器的图像分割和Service Workers离线缓存技术。姿态补全算法使用MediaPipe框架。项目还有产品功能外延，如数字写真、品牌IP、创意设计等。

GP-VTON是一种通用的虚拟试穿框架，通过创新的变形模块和训练策略解决了图像中的虚拟试穿问题，保留了语义信息并避免了纹理畸变。实验证明该方法优于现有方法。

这项工作通过引入街景尝试基准评估街景中的性能，并提出一种可以直接从野外人物图像中学习的新方法。该方法结合了变形校正和扩散式修补方法，在商店和街道领域实现了稳健的性能，并在试穿任务方面具有领先水平。