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。

该研究提出了一种新颖的单网络方法MNVTON，旨在解决虚拟试衣中细节保留不足的问题，从而提升图像和视频的生成质量。

GaussCtrl是一种基于文本的方法，用于编辑3D Gaussian Splatting重建的场景。通过3DGS渲染和ControlNet实现多视角一致性编辑，提升速度和视觉质量。其创新在于深度编辑和注意力潜在代码对齐，确保几何和外观一致性。实验表明，该方法比以往更快且效果更好。

本文提出了一种自适应掩码训练范式，通过破解试穿区域与原始服装之间的关联，并让模型学习正确的信息进行修补，提高虚拟试穿体验的真实感。同时，提出了两种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，验证了所提方法的有效性。

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。

本研究提出了一种创新的虚拟试穿技术，能够在输入人体图像上实现个性化服装的逼真合成。该方法通过明确分离样式和纹理的双阶段流程来解决全服装图像作为条件时的交织挑战。实验结果表明，该方法在合成质量和个性化方面表现出卓越的性能。

本研究讨论了虚拟试穿中保留纹理细节和用户身份的问题，并提出了一种基于扩散的解决方案。该网络在速度和保真度方面表现出色，并与最新方法相当。

本研究提出了一种创新的3D VTON管道，结合了高斯喷洒编辑和2D VTON，并首次使用图像作为3D编辑的提示。通过三阶段细化策略和新的ERR编辑策略，解决了以往编辑策略的局限性。实验结果表明GaussianVTON优越，为3D VTON提供了新的视角。

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。