論文の概要: Dress-ED: Instruction-Guided Editing for Virtual Try-On and Try-Off

• arxiv url: http://arxiv.org/abs/2603.22607v1
• Date: Mon, 23 Mar 2026 22:12:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.203386
• Title: Dress-ED: Instruction-Guided Editing for Virtual Try-On and Try-Off
• Title（参考訳）: Dress-ED:バーチャルトライオンとトライオフのためのインストラクションガイド編集
• Authors: Fulvio Sanguigni, Davide Lobba, Bin Ren, Marcella Cornia, Nicu Sebe, Rita Cucchiara,
• Abstract要約: 我々は、VTON、VTOFF、テキストガイドによる衣料品編集を統一する最初の大規模ベンチマークであるDress Editing dataset (Dress-ED)を紹介する。 Dress-EDは、3つの衣服カテゴリーと7つの編集タイプにまたがる146k以上の検証された四つ組で構成されている。
• 参考スコア（独自算出の注目度）: 91.61470961531889
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in Virtual Try-On (VTON) and Virtual Try-Off (VTOFF) have greatly improved photo-realistic fashion synthesis and garment reconstruction. However, existing datasets remain static, lacking instruction-driven editing for controllable and interactive fashion generation. In this work, we introduce the Dress Editing Dataset (Dress-ED), the first large-scale benchmark that unifies VTON, VTOFF, and text-guided garment editing within a single framework. Each sample in Dress-ED includes an in-shop garment image, the corresponding person image wearing the garment, their edited counterparts, and a natural-language instruction of the desired modification. Built through a fully automated multimodal pipeline that integrates MLLM-based garment understanding, diffusion-based editing, and LLM-guided verification, Dress-ED comprises over 146k verified quadruplets spanning three garment categories and seven edit types, including both appearance (e.g., color, pattern, material) and structural (e.g., sleeve length, neckline) modifications. Based on this benchmark, we further propose a unified multimodal diffusion framework that jointly reasons over linguistic instructions and visual garment cues, serving as a strong baseline for instruction-driven VTON and VTOFF. Dataset and code will be made publicly available.
• Abstract（参考訳）: VTON(Virtual Try-On)とVTOFF(Virtual Try-Off)の最近の進歩は、フォトリアリスティックなファッション合成と衣料品の再構築を大幅に改善した。 しかし、既存のデータセットは静的であり、制御可能でインタラクティブなファッション生成のための命令駆動編集が欠けている。 本稿では,VTON,VTOFF,テキストガイドによる衣料編集をひとつのフレームワークで統合した最初の大規模ベンチマークであるDress Editing Dataset(Dress-ED)を紹介する。 Dress-EDの各サンプルは、ホップ内衣料品画像と、その衣服を装着する対応する人物画像と、その編集対象の画像と、所望の修正を自然言語で指示する。 Dress-EDはMLLMベースの衣服理解、拡散ベースの編集、LSM誘導検証を統合した完全に自動化されたマルチモーダルパイプラインによって構築され、3つの衣服カテゴリと7種類の編集タイプにまたがる146k以上の検証済みの四つ組で構成され、外観(eg、色、パターン、材料)と構造(eg、袖の長さ、ネックライン)の修正を含む。 このベンチマークに基づいて,言語指導と視覚的服装の手がかりを共同で考慮し,命令駆動型VTONとVTOFFの強力なベースラインとして機能する統合マルチモーダル拡散フレームワークを提案する。 データセットとコードは公開されます。

関連論文リスト

• EditGarment: An Instruction-Based Garment Editing Dataset Constructed with Automated MLLM Synthesis and Semantic-Aware Evaluation [6.00676826743099]
  衣服編集のための自動データセットパイプラインを提案する。 まず,実世界のファッションに整合した6つの編集指導カテゴリを定義し,バランスの取れた命令イメージ三重項の生成を導く。 第二に、Fashion Edit Scoreは、衣服属性間のセマンティックな依存関係をキャプチャし、構築中に信頼できる監視を提供する意味認識評価指標である。
  論文  参考訳（メタデータ） (2025-08-05T14:28:45Z)
• 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)
• AnyEdit: Mastering Unified High-Quality Image Editing for Any Idea [88.79769371584491]
  我々は、総合的なマルチモーダル命令編集データセットであるAnyEditを提示する。 我々は,AnyEditコレクションの多様性と品質を,初期データ多様性,適応編集プロセス,自動編集結果の選択という3つの側面を通じて保証する。 3つのベンチマークデータセットの実験によると、AnyEditは拡散ベースの編集モデルのパフォーマンスを一貫して向上させる。
  論文  参考訳（メタデータ） (2024-11-24T07:02:56Z)
• IMAGDressing-v1: Customizable Virtual Dressing [58.44155202253754]
  IMAGDressing-v1は、固定された衣服とオプション条件で自由に編集可能な人間の画像を生成する仮想ドレッシングタスクである。 IMAGDressing-v1は、CLIPのセマンティック特徴とVAEのテクスチャ特徴をキャプチャする衣料UNetを組み込んでいる。 本稿では,凍結自己注意とトレーニング可能なクロスアテンションを含むハイブリッドアテンションモジュールを提案する。
  論文  参考訳（メタデータ） (2024-07-17T16:26:30Z)
• Fashion Matrix: Editing Photos by Just Talking [66.83502497764698]
  我々は、写真編集専用のFashion Matrixと呼ばれる階層型AIシステムを開発した。 Fashion MatrixはLarge Language Models (LLM) を基礎的なサポートとして採用し、ユーザとの反復的なインタラクションに従事している。 Visual Foundation Modelsは、テキストプロンプトとマスクから編集画像を生成するために活用され、ファッション編集プロセスの自動化を容易にする。
  論文  参考訳（メタデータ） (2023-07-25T04:06:25Z)

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。