論文の概要: FIT: A Large-Scale Dataset for Fit-Aware Virtual Try-On

• arxiv url: http://arxiv.org/abs/2604.08526v1
• Date: Thu, 09 Apr 2026 17:57:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:06.066731
• Title: FIT: A Large-Scale Dataset for Fit-Aware Virtual Try-On
• Title（参考訳）: FIT:Fit-Aware Virtual Try-On用の大規模データセット
• Authors: Johanna Karras, Yuanhao Wang, Yingwei Li, Ira Kemelmacher-Shlizerman,
• Abstract要約: 仮想トライトン(VTO)は,衣服を装着した人の現実的なイメージを合成することを目的としている。 現行のVTOメソッドは、衣服や人の大きさに関わらず、適切に適合した結果を生成するのがデフォルトである。 実測値と合わせて113万点以上の試行画像トリプレットからなるFITデータセットを提案する。
• 参考スコア（独自算出の注目度）: 12.907090629687206
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Given a person and a garment image, virtual try-on (VTO) aims to synthesize a realistic image of the person wearing the garment, while preserving their original pose and identity. Although recent VTO methods excel at visualizing garment appearance, they largely overlook a crucial aspect of the try-on experience: the accuracy of garment fit -- for example, depicting how an extra-large shirt looks on an extra-small person. A key obstacle is the absence of datasets that provide precise garment and body size information, particularly for "ill-fit" cases, where garments are significantly too large or too small. Consequently, current VTO methods default to generating well-fitted results regardless of the garment or person size. In this paper, we take the first steps towards solving this open problem. We introduce FIT (Fit-Inclusive Try-on), a large-scale VTO dataset comprising over 1.13M try-on image triplets accompanied by precise body and garment measurements. We overcome the challenges of data collection via a scalable synthetic strategy: (1) We programmatically generate 3D garments using GarmentCode and drape them via physics simulation to capture realistic garment fit. (2) We employ a novel re-texturing framework to transform synthetic renderings into photorealistic images while strictly preserving geometry. (3) We introduce person identity preservation into our re-texturing model to generate paired person images (same person, different garments) for supervised training. Finally, we leverage our FIT dataset to train a baseline fit-aware virtual try-on model. Our data and results set the new state-of-the-art for fit-aware virtual try-on, as well as offer a robust benchmark for future research. We will make all data and code publicly available on our project page: https://johannakarras.github.io/FIT.
• Abstract（参考訳）: 仮想試着(VTO)は,衣服を身に着けている人の現実的なイメージを合成し,本来のポーズやアイデンティティを保ちながら,衣服を身に着けている人の現実的なイメージを合成することを目的としている。 最近のVTOの手法は衣服の外観を視覚化するのに優れているが、試着体験の重要な側面をほとんど見落としている。 重要な障害は、特に衣服が著しく大きすぎるか小さすぎる「不適切な」ケースにおいて、正確な衣服と体の大きさの情報を提供するデータセットがないことである。 結果として、現在のVTOメソッドは、衣服や人の大きさに関わらず、適切に適合した結果を生成するのがデフォルトになっている。 本稿では,この問題の解決に向けて第一歩を踏み出す。 FIT (Fit-Inclusive Try-on) は113万枚の画像トリガからなる大規模VTOデータセットである。 本研究では,(1)GarmentCodeを用いて3次元衣料をプログラム的に生成し,物理シミュレーションによりそれらを描画し,リアルな衣料品のフィットを捉えるという,スケーラブルな合成戦略によってデータ収集の課題を克服する。 2) テクスチャを厳密に保存しつつ, 合成レンダリングをフォトリアリスティックな画像に変換するために, 新たなテクスチャ・フレームワークを用いる。 (3) 教師訓練のためのペア画像(同一人物, 異なる衣服)を生成するために, 再テクスチャモデルに人物の身元保存を導入する。 最後に、FITデータセットを利用して、ベースラインの適合性を認識した仮想トライオンモデルをトレーニングします。 われわれのデータと結果は、フィットを意識したバーチャルトライオンのための新しい最先端技術と、将来の研究のための堅牢なベンチマークを設定した。 プロジェクトページで、すべてのデータとコードを公開します。

関連論文リスト

• Limb-Aware Virtual Try-On Network with Progressive Clothing Warping [64.84181064722084]
  画像ベースの仮想試着は、ショップ内服の画像を人物画像に転送することを目的としている。 既存のほとんどの方法では、服の反りを直接行うために単一のグローバルな変形が採用されている。 PL-VTONと命名されたLmb-Aware Virtual Try-on Networkを提案する。
  論文  参考訳（メタデータ） (2025-03-18T09:52:41Z)
• PocoLoco: A Point Cloud Diffusion Model of Human Shape in Loose Clothing [97.83361232792214]
  PocoLocoは、ゆるい服を着た3D人間のための、テンプレートのない、ポイントベースの、ポーズ条件付き生成モデルである。 本研究では,アバター服の変形をデノナイズ拡散フレームワーク内の条件付き点雲生成タスクとして定式化する。 ゆるい服装でさまざまなポーズをとる2人の被験者のデータセットを、合計75K点の雲で公開する。
  論文  参考訳（メタデータ） (2024-11-06T20:42:13Z)
• ClothFit: Cloth-Human-Attribute Guided Virtual Try-On Network Using 3D Simulated Dataset [5.260305201345232]
  そこで我々はClosFitと呼ばれる新しい仮想試行法を提案する。 被服の実際の大きさと人的属性に基づいて、被服の被服体上のドレーピング形状を予測することができる。 実験結果から,ClosFitはフォトリアリスティックな仮想試行実験において,既存の最先端手法を大幅に改善できることが示された。
  論文  参考訳（メタデータ） (2023-06-24T08:57:36Z)
• PERGAMO: Personalized 3D Garments from Monocular Video [6.8338761008826445]
  PERGAMOはモノクロ画像から3D衣服の変形可能なモデルを学ぶためのデータ駆動型アプローチである。 まず,1枚の画像から衣服の3次元形状を再構築する新しい手法を紹介し,それを用いて単眼ビデオから衣服のデータセットを構築する。 本手法は,実世界の動作にマッチする衣料アニメーションを作成でき,モーションキャプチャーデータセットから抽出した身体の動きを一般化できることを示す。
  論文  参考訳（メタデータ） (2022-10-26T21:15:54Z)
• 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)
• Shape Controllable Virtual Try-on for Underwear Models [0.0]
  そこで我々は,下着モデル用の衣服を着る形状制御可能な仮想トライオンネットワーク(SC-VTON)を提案する。 SC-VTONは、モデルと衣服の情報を統合し、歪んだ衣服画像を生成する。 本手法は, 詳細なテクスチャで高分解能な結果が得られる。
  論文  参考訳（メタデータ） (2021-07-28T04:01:01Z)
• Neural 3D Clothes Retargeting from a Single Image [91.5030622330039]
  本稿では,1枚のRGB画像で人物にフィットする3次元衣料テンプレートモデルの潜在的なポーズと変形を生成する方法を提案する。 この問題は、地上の真実データを取得することは不可能である、すなわち、異なる3D衣料品テンプレートモデルを全く同じポーズで身に着けている人々の画像として、基本的には不適切である。 そこで本研究では,3次元変形の物理的妥当性を検証するための半教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-29T20:50:34Z)
• Deep Fashion3D: A Dataset and Benchmark for 3D Garment Reconstruction from Single Images [50.34202789543989]
  Deep Fashion3Dは、これまでで最大の3D衣料品のコレクションだ。 3D機能ライン、3Dボディポーズ、対応するマルチビューリアルイメージなど、リッチなアノテーションを提供する。 一つのネットワークであらゆる種類の衣服を学習できる新しい適応型テンプレートが提案されている。
  論文  参考訳（メタデータ） (2020-03-28T09:20:04Z)

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。