論文の概要: Virtual Try-On for Cultural Clothing: A Benchmarking Study

• arxiv url: http://arxiv.org/abs/2603.07291v1
• Date: Sat, 07 Mar 2026 17:20:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:14.208133
• Title: Virtual Try-On for Cultural Clothing: A Benchmarking Study
• Title（参考訳）: 文化服の仮想試着:ベンチマーク研究
• Abstract要約: バングラデシュの衣服に焦点を当てた仮想試着データセットであるBD-VITONを紹介した。 本実験は,ゼロショット推定と比較して,定量解析と定性解析の両面で一貫した改善を示した。
• 参考スコア（独自算出の注目度）: 3.4438584192090835
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Although existing virtual try-on systems have made significant progress with the advent of diffusion models, the current benchmarks of these models are based on datasets that are dominant in western-style clothing and female models, limiting their ability to generalize culturally diverse clothing styles. In this work, we introduce BD-VITON, a virtual try-on dataset focused on Bangladeshi garments, including saree, panjabi and salwar kameez, covering both male and female categories as well. These garments present unique structural challenges such as complex draping, asymmetric layering, and high deformation complexities which are underrepresented in the original VITON dataset. To establish strong baselines, we retrain and evaluate try-on models, namely StableViton, HR-VITON, and VITON-HD on our dataset. Our experiments demonstrate consistent improvements in terms of both quantitative and qualitative analysis, compared to zero shot inference.
• Abstract（参考訳）: 既存の仮想試行システムは拡散モデルの出現によって大きな進歩を遂げているが、これらのモデルの現在のベンチマークは、西洋スタイルの衣服や女性モデルに支配的なデータセットに基づいており、文化的に多様な衣服スタイルを一般化する能力を制限している。 本研究では,バングラデシュの衣服を対象とした仮想試着データセットであるBD-VITONを紹介する。 これらの衣服は、複雑なドレーピング、非対称層化、および元のVITONデータセットで不足している高変形複雑度などのユニークな構造的課題を呈している。 強いベースラインを確立するため、データセット上でStableViton、HR-VITON、VITON-HDといった試行モデルを再学習し、評価する。 本実験は,ゼロショット推定と比較して,定量解析と定性解析の両面で一貫した改善を示した。

関連論文リスト

• What Matters in Virtual Try-Off? Dual-UNet Diffusion Model For Garment Reconstruction [43.60751546139023]
  我々は,VTONと一般潜在拡散モデルから,様々な拡散に基づく戦略を研究・適応する。 我々のフレームワークは、主要な指標である DisTS に対して 9.5% の低下で最先端の性能を達成する。
  論文  参考訳（メタデータ） (2026-04-09T19:09:27Z)
• Inverse Virtual Try-On: Generating Multi-Category Product-Style Images from Clothed Individuals [76.96387718150542]
  テキスト強化Multi-category Virtual Try-Off(TEMU-VTOFF)を提案する。 私たちのアーキテクチャは、画像、テキスト、マスクなどの複数のモードから衣料情報を受け取り、複数のカテゴリで機能するように設計されています。 VITON-HDおよびDress Codeデータセットの実験では、TEMU-VTOFFがVTOFFタスクに新たな最先端を設定していることが示されている。
  論文  参考訳（メタデータ） (2025-05-27T11:47:51Z)
• HF-VTON: High-Fidelity Virtual Try-On via Consistent Geometric and Semantic Alignment [22.960492450413497]
  HF-VTONは,多種多様なポーズにおける高忠実度仮想トライオン性能を保証する新しいフレームワークである。 HF-VTONは3つの主要なモジュールで構成されている: 外観保存型ワープアライメントモジュール、セマンティック表現モジュール、およびマルチモーダル事前誘導型外観生成モジュール。 実験の結果,HF-VTONはVITON-HDとSAMP-VTONSの両方で最先端の手法より優れていた。
  論文  参考訳（メタデータ） (2025-05-26T07:55:49Z)
• CrossVTON: Mimicking the Logic Reasoning on Cross-category Virtual Try-on guided by Tri-zone Priors [63.95051258676488]
  CrossVTONは、クロスカテゴリ仮想試行のための堅牢なフィッティングイメージを生成するためのフレームワークである。 クロスカテゴリ試行に必要な複雑な推論を構造化フレームワークに切り離す。 定性評価と定量的評価の両方において、既存のベースラインを超え、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-02-20T09:05:35Z)
• High-Fidelity Virtual Try-on with Large-Scale Unpaired Learning [36.7085107012134]
  VTON(Virtual try-on)は、ターゲットの衣服イメージを基準人物に転送する。 高忠実度試行のための大規模未経験学習を活用するための新しいフレームワークである textbfBoosted Virtual Try-on (BVTON) を提案する。
  論文  参考訳（メタデータ） (2024-11-03T15:00:26Z)
• Accelerating Flood Warnings by 10 Hours: The Power of River Network Topology in AI-enhanced Flood Forecasting [30.106533909897102]
  グラフニューラルネットワーク(GNN)は、高ノード抵抗距離から過度に流れ込む木のような構造により、河川ネットワークのトポロジーを弱めている。 本研究では、トポロジカルな接続を密度化し、抵抗距離を減らすために、到達可能性に基づくグラフ変換を導入する。 極度の洪水予測では、変換GNNはEA-LSTMよりも優れており、EA-LSTMの14時間予測と同等の24時間水位精度を実現している。
  論文  参考訳（メタデータ） (2024-10-07T22:25:37Z)
• AnyFit: Controllable Virtual Try-on for Any Combination of Attire Across Any Scenario [50.62711489896909]
  AnyFitは、高解像度のベンチマークと実世界のデータのベースラインを、大きなギャップで上回っている。 AnyFitの高忠実度バーチャル試作品における印象的なパフォーマンスは、あらゆるイメージから見ても、ファッションコミュニティにおける将来の研究の新たな道を切り開くものです。
  論文  参考訳（メタデータ） (2024-05-28T13:33:08Z)
• FLDM-VTON: Faithful Latent Diffusion Model for Virtual Try-on [21.34959824429241]
  FLDM-VTONは、VTONのためのFhithful Latent Diffusion Modelである。 着物は出発点と現地の条件の両方に組み込まれ、忠実な着物のモデルを提供する。 写真のリアルな試着画像を、忠実な衣服のディテールで生成することができる。
  論文  参考訳（メタデータ） (2024-04-22T13:21:09Z)
• Style-Hallucinated Dual Consistency Learning for Domain Generalized Semantic Segmentation [117.3856882511919]
  本稿では、ドメインシフトを処理するためのStyle-HAllucinated Dual consistEncy Learning(SHADE)フレームワークを提案する。 SHADEは3つの実世界のデータセットの平均mIoUに対して5.07%と8.35%の精度で改善し、最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-06T02:49:06Z)
• Arbitrary Virtual Try-On Network: Characteristics Preservation and Trade-off between Body and Clothing [85.74977256940855]
  本報告では,オールタイプの衣料品を対象としたArbitrary Virtual Try-On Network (AVTON)を提案する。 AVTONは、ターゲット服と参照者の特性を保存・交換することで、現実的な試行画像を合成することができる。 提案手法は,最先端の仮想試行法と比較して性能が向上する。
  論文  参考訳（メタデータ） (2021-11-24T08:59:56Z)
• Cloth Interactive Transformer for Virtual Try-On [106.21605249649957]
  本稿では,仮想試行作業のための2段階のインタラクティブトランス (CIT) 手法を提案する。 第1段階では, CITマッチングブロックを設計し, 着物非依存者情報と着物内布情報との長距離相関関係を正確に把握することを目的とした。 第2段階では,人物表現のグローバルな相互相互依存関係を確立するためのCIT推論ブロック,整形衣料品,およびそれに対応する整形布マスクを作成した。
  論文  参考訳（メタデータ） (2021-04-12T14:45:32Z)
• Learning Diverse Fashion Collocation by Neural Graph Filtering [78.9188246136867]
  本稿では,グラフニューラルネットワークを用いて,フレキシブルなファッションアイテムセットをモデル化する新しいファッションコロケーションフレームワークであるNeural Graph Filteringを提案する。 エッジベクトルに対称演算を適用することにより、このフレームワークは様々な入力/出力を許容し、それらの順序に不変である。 提案手法を,Polyvoreデータセット,Polyvore-Dデータセット,Amazon Fashionデータセットの3つの一般的なベンチマークで評価した。
  論文  参考訳（メタデータ） (2020-03-11T16:17:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。