論文の概要: FitVTON: Fit-aware Virtual Try-On via Body-Garment Size Control

• arxiv url: http://arxiv.org/abs/2606.12012v1
• Date: Wed, 10 Jun 2026 12:40:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.4495
• Title: FitVTON: Fit-aware Virtual Try-On via Body-Garment Size Control
• Title（参考訳）: FitVTON:ボディゲージサイズ制御によるフィット認識バーチャルトライオン
• Authors: Yiqun Ning, Ao Shen, Chenhang He, Lei Zhang,
• Abstract要約: 本稿では、野生の異なる身体上のFit-aware仮想試行モデルであるFitVTONを紹介する。 FitVTONは、構造化テキストプロンプトを通じて衣服のサイズを符号化し、シミュレートされた試着三脚から学習する。 以上の結果から,FitVTONは精度の高い適合性を示し,最先端の手法による形状の保存が可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 16.18377458257424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While diffusion-based virtual try-on has achieved impressive visual realism, most methods treat the task as 2D inpainting, prioritizing texture preservation over physical plausibility. Consequently, they often produce plausible-looking images that fail to reflect authentic garment fit across diverse body shapes. We present FitVTON, a Fit-aware virtual try-on model on different bodies in the wild. FitVTON encodes garment-body size through structured text prompts, and learn from simulated try-on triplets from parameterized garment model. To improve the fitting effects over garment silhouettes, we introduce two auxiliary head to predict the masks for both the garment and the exposed body. We further introduce a texture rectification stage to improve realistic appearance from simulated data. To evaluate the fitting fidelity, we curate a real-world dataset, FittingEffect3K, combining VLM-based scoring protocol. Both subjective and quantitive experiments show that FitVTON demonstrate authentic fitting fidelity, with significant sizing accuracy and shape preservation over state-of-the-art methods while maintaining competitive image quality. Project Page: https://zenoning.github.io/FitVTON/.
• Abstract（参考訳）: 拡散に基づく仮想試行は印象的な視覚的リアリズムを達成しているが、ほとんどの方法は、このタスクを2Dインペイントとして扱い、物理的な可視性よりもテクスチャ保存を優先している。 そのため、多彩な体型に適合する本物の衣服を反映しない、可視的なイメージをしばしば生み出す。 本稿では、野生の異なる身体上のFit-aware仮想試行モデルであるFitVTONを紹介する。 FitVTONは、構造化テキストプロンプトを通じて衣服のサイズを符号化し、パラメータ化された衣服モデルから試着三脚のシミュレーションから学習する。 衣服シルエットの装着性を改善するため,衣服と露出体の両方のマスクを予測するための補助ヘッドを2つ導入した。 さらに、シミュレートされたデータから現実的な外観を改善するためのテクスチャ修正ステージを導入する。 適合性を評価するため、実世界のデータセットFittingEffect3KをVLMベースのスコアリングプロトコルを組み合わせてキュレートする。 主観的および定量的な実験は、FitVTONが、競合画像の品質を維持しながら、最先端の手法よりも相当の大きさの精度と形状保存を有する、真の適合性を示すことを示している。 プロジェクトページ: https://zenoning.github.io/FitVTON/.com

関連論文リスト

• FIT: A Large-Scale Dataset for Fit-Aware Virtual Try-On [12.907090629687206]
  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。
  論文  参考訳（メタデータ） (2026-04-09T17:57:50Z)
• FitControler: Toward Fit-Aware Virtual Try-On [54.18033917605626]
  ガーメントフィットはファッションデザインの基本的な要素である。 本稿では,最新のVTONモデルにシームレスに統合可能な学習可能なプラグインである,フィット対応VTONとFitControlerを紹介する。 特に、フィットを意識したFat4Menと呼ばれるVTONデータセットを構築しました。
  論文  参考訳（メタデータ） (2025-12-30T06:31:19Z)
• DiffFit: Disentangled Garment Warping and Texture Refinement for Virtual Try-On [3.5655800569257896]
  VTON(Virtual try-on)は、ターゲット服を着用している人のリアルなイメージを、電子商取引やデジタルファッションに広く応用することを目的としている。 DiffFitは,高忠実度仮想試行のための新しい2段階遅延拡散フレームワークである。
  論文  参考訳（メタデータ） (2025-06-29T15:31:42Z)
• Incorporating Visual Correspondence into Diffusion Model for Virtual Try-On [89.9123806553489]
  拡散モデルは仮想試行(VTON)タスクで成功している。 この問題は、拡散モデルの本質性により、与えられた衣服の形状や細部を保存することは依然として困難である。 本稿では,視力の拡散前処理として視覚的対応を明示的に活用することを提案する。
  論文  参考訳（メタデータ） (2025-05-22T17:52:13Z)
• Shape-Guided Clothing Warping for Virtual Try-On [6.750870148213539]
  画像ベースの仮想試着は、インショップの衣服を人の画像にシームレスにフィットさせることを目的としている。 SCW-VTONと呼ばれる仮想試着のための新しい形状誘導型衣服ワープ手法を提案する。
  論文  参考訳（メタデータ） (2025-04-21T17:08:36Z)
• FitDiT: Advancing the Authentic Garment Details for High-fidelity Virtual Try-on [73.13242624924814]
  Diffusion Transformer (DiT) を用いた高忠実度仮想試行用ガーメント知覚増強技術FitDiT 布地テクスチャ抽出装置を導入し, 布地や模様, テクスチャなどのリッチな細部を, よりよく捉えられるようにした。 また,クロスカテゴリー試着中にマスク領域全体を埋める衣服の発生を防止し,衣料の正しい長さに適応する拡張緩和マスク戦略を採用した。
  論文  参考訳（メタデータ） (2024-11-15T11:02:23Z)
• Improving Diffusion Models for Authentic Virtual Try-on in the Wild [53.96244595495942]
  本稿では,キュレートされた衣服を身に着けている人のイメージをレンダリングする,イメージベースの仮想試行について考察する。 衣服の忠実度を改善し,仮想試行画像を生成する新しい拡散モデルを提案する。 本稿では,一対の人着画像を用いたカスタマイズ手法を提案する。
  論文  参考訳（メタデータ） (2024-03-08T08:12:18Z)
• 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)

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。