論文の概要: LPH-VTON: Resolving the Structure-Texture Dilemma of Virtual Try-On via Latent Process Handover
- arxiv url: http://arxiv.org/abs/2605.14874v1
- Date: Thu, 14 May 2026 14:18:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-15 21:45:34.868193
- Title: LPH-VTON: Resolving the Structure-Texture Dilemma of Virtual Try-On via Latent Process Handover
- Title（参考訳）: LPH-VTON:潜在プロセスハンドオーバによる仮想トライオンの構造とテクスチュアジレンマの解消
- Authors: Yixin Liu, Baihong Qian, Jinglin Jiang, Jeffery Wu, Yan Chen, Wei Wang, Yida Wang, Lanqing Yang, Guangtao Xue,
- Abstract要約: 仮想トライオン(Virtual Try-On)は、人の体とポーズを正確に整列した衣服のフォトリアリスティックなイメージを合成することを目的としている。
しかし、現在の拡散に基づく手法は、構造的完全性とテクスチャ的忠実性の間に根本的なトレードオフに直面している。
LPH-VTONは、この緊張を1つの連続的分極過程の中で解消する新しい相乗的フレームワークである。
- 参考スコア（独自算出の注目度）: 15.242291833451882
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Virtual Try-On (VTON) aims to synthesize photorealistic images of garments precisely aligned with a person's body and pose. Current diffusion-based methods, however, face a fundamental trade-off between structural integrity and textural fidelity. In this paper, we formalize this challenge as a consequence of complementary inductive biases inherent in prevailing architectures: models heavily reliant on spatial constraints naturally favor geometric alignment but often suppress textures, whereas models dominated by unconstrained generative priors excel at vibrant detail rendering but are prone to structural drift. Based on this diagnosis, we propose LPH-VTON, a new synergistic framework that resolves this tension within a single, continuous denoising process. LPH-VTON strategically decomposes the generation, leveraging a structure-biased model to establish a geometrically consistent latent scaffold in the early stages, before handing over control to a texture-biased model for high-fidelity detail rendering. Extensive experiments validate our approach. Our model achieves a superior Pareto-optimal balance, establishing new benchmarks in perceptual faithfulness while maintaining highly competitive structural alignment across the standard dataset VITON-HD, proving the efficacy of temporal architectural decoupling.
- Abstract（参考訳）: 仮想トライオン(VTON)は、人の体とポーズを正確に整列した衣服のフォトリアリスティックなイメージを合成することを目的としている。
しかし、現在の拡散に基づく手法は、構造的完全性とテクスチャ的忠実性の間に根本的なトレードオフに直面している。
空間的制約に強く依存するモデルは、自然に幾何学的アライメントを好むが、テクスチャを抑圧することが多い。
この診断に基づいて,この緊張を1つの連続的認知過程の中で解消する新しい相乗的枠組みであるLPH-VTONを提案する。
LPH-VTON はこの生成を戦略的に分解し、構造バイアスモデルを用いて幾何学的に一貫した潜在足場を初期の段階で確立した後、高忠実度ディテールレンダリングのためにテクスチャバイアスモデルに制御を委譲する。
大規模な実験が我々のアプローチを検証する。
提案モデルでは,標準データセットであるVITON-HDと競合する構造的アライメントを維持しつつ,時間的構造的デカップリングの有効性を証明しながら,知覚的忠実度に新たなベンチマークを確立することにより,パレート最適バランスを向上する。
関連論文リスト
- InpaintSLat: Inpainting Structured 3D Latents via Initial Noise Optimization [56.525920531932606]
本稿では,初期雑音最適化に基づく3Dインペイントのためのトレーニング不要手法を提案する。
本稿では,構造化3次元潜伏拡散フレームワークの初期雑音を最適化する手法を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:45:25Z) - RopeDreamer: A Kinematic Recurrent State Space Model for Dynamics of Flexible Deformable Linear Objects [12.045392054359551]
逐次状態空間モデルと四元系キネマティックチェイン表現を組み合わせた潜在動的フレームワークを提案する。
我々は,自己切断を含む複雑なピック・アンド・プレース・トラジェクトリの大規模シミュレーションデータセットに対するアプローチを評価した。
提案手法は,50ステップの水平線上での開ループ予測誤差を40.52%削減できることを示す。
論文 参考訳（メタデータ） (2026-04-30T17:47:44Z) - Cross-Scenario Deraining Adaptation with Unpaired Data: Superpixel Structural Priors and Multi-Stage Pseudo-Rain Synthesis [48.809049043865905]
低レベルのコンピュータビジョンでは,イメージデライン化が重要な役割を担っている。
ディープラーニングのパラダイムは、目に見えないアウト・オブ・ディストリビューションシナリオに一般化された場合、厳しいパフォーマンス劣化に悩まされることが多い。
本稿では,クロスシナリオ・デライニング適応フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-23T07:38:55Z) - Unveiling the Mechanism of Continuous Representation Full-Waveform Inversion: A Wave Based Neural Tangent Kernel Framework [52.632217600064344]
フルウェーブフォーム・インバージョン(FWI)は、限られた測定値から波動方程式の物理パラメータを推定する。
FWI法は初期モデルの精度に対する悪名高い感度によって制限されている。
連続表現 FWI (CR-FWI) の最近の進歩は、暗黙的ニューラル表現 (INR) のような座標ベースニューラルネットワークによるパラメータモデルを表現することで、初期モデルへの依存を緩和できることを実証している。
論文 参考訳（メタデータ） (2026-03-23T03:22:33Z) - StepVAR: Structure-Texture Guided Pruning for Visual Autoregressive Models [98.72926158261937]
本稿では,Visual AutoRegressive モデルのためのトレーニングフリートークン解析フレームワークを提案する。
我々は局所的なテクスチャの詳細を捉えるために軽量なハイパスフィルタを使用し、グローバルな構造情報を保存するために主成分分析(PCA)を活用している。
スパーストークンの下で有効な次世代の予測を維持するために,近接した特徴伝達戦略を導入する。
論文 参考訳（メタデータ） (2026-03-02T11:35:05Z) - RichControl: Structure- and Appearance-Rich Training-Free Spatial Control for Text-to-Image Generation [10.956556608715035]
テキスト・ツー・イメージ(T2I)拡散モデルでは,テキスト・プロンプトから高品質な画像を生成することに成功した。
本稿では, 条件特徴のサンプリングスケジュールをデノナイジングプロセスから切り離すフレキシブルなトレーニングフリーフレームワークを提案する。
再調整スケジュールを導入することでサンプリングプロセスをさらに強化し、外観に富んだプロンプト戦略で視覚的品質を向上させる。
論文 参考訳（メタデータ） (2025-07-03T16:56:15Z) - DS-VTON: An Enhanced Dual-Scale Coarse-to-Fine Framework for Virtual Try-On [33.05238077456732]
仮想試行のための拡張デュアルスケール粗大化フレームワークDS-VTONを提案する。
DS-VTONは2つの段階から構成される: 第一は、衣服と身体の間の意味的対応を捉えるために、低解像度の試行結果を生成する。
第2段階では、混合精製拡散過程は、スケール間の残留物を精製することによって高分解能出力を再構成する。
論文 参考訳（メタデータ） (2025-06-01T08:52:57Z) - Latent Traversals in Generative Models as Potential Flows [113.4232528843775]
我々は,学習された動的ポテンシャルランドスケープを持つ潜在構造をモデル化することを提案する。
物理、最適輸送、神経科学にインスパイアされたこれらの潜在的景観は、物理的に現実的な偏微分方程式として学習される。
本手法は,最先端のベースラインよりも定性的かつ定量的に歪んだ軌跡を実現する。
論文 参考訳（メタデータ） (2023-04-25T15:53:45Z)
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。