論文の概要: FDM-MFVT: Few-step Sampling Diffusion Model for Mask-Free Virtual Try-On

• arxiv url: http://arxiv.org/abs/2606.29319v1
• Date: Sun, 28 Jun 2026 10:24:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.875767
• Title: FDM-MFVT: Few-step Sampling Diffusion Model for Mask-Free Virtual Try-On
• Title（参考訳）: FDM-MFVT:マスクフリーバーチャルトライオンのための数ステップサンプリング拡散モデル
• Abstract要約: マスクフリーIVTONのための数ステップ拡散モデルFDM-MFVTを提案する。 IDTモジュールは、仮想試着プロンプトと効率的な適応を使用して、衣服と人物の画像だけで高品質な結果を生成する。 実験により、FDM-MFVTはマスクベースやマスクフリーのベースライン法よりも少ない推論ステップで、優れた定量的および定性的な結果が得られることが示された。
• 参考スコア（独自算出の注目度）: 46.87401050104062
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image-based Virtual Try-On (IVTON) has greatly advanced through diffusion models, yet existing methods require many sampling steps and depend on masks with costly auxiliary networks. In addition, the absence of large-scale mask-free paired datasets further limits the development of mask-free IVTON. We propose FDM-MFVT, a few-step diffusion model for mask-free IVTON, integrating an Outfit-aware Noise Optimization Module (OANO) and an Instruction-driven Try-on Module (IDT) to enhance efficiency and flexibility.The OANO module initializes the alignment space with noise using the input image and only needs 6 steps to generate a higher-fidelity try-on image compared to 30 steps.The IDT module uses virtual try-on prompts and efficient adaptation to generate high-quality results from garment and person images alone. We further introduce MFVT, a 30,000-pair mask-free IVTON dataset. Experiments show that FDM-MFVT achieves superior quantitative and qualitative results with fewer inference steps than mask-based and mask-free baseline methods.
• Abstract（参考訳）: 画像ベースの仮想トライオン(IVTON)は拡散モデルにより大幅に進歩しているが、既存の手法では多くのサンプリングステップが必要であり、高価な補助ネットワークを持つマスクに依存している。 さらに、大規模なマスクフリーペアデータセットが存在しないため、マスクフリーIVTONの開発はさらに制限される。 マスクフリーIVTONのための数ステップ拡散モデルであるFDM-MFVTを提案し、効率と柔軟性を向上させるために、アウトフィットアウェアノイズ最適化モジュール(OANO)とインストラクション駆動トライオンモジュール(IDT)を統合する。 さらに,3万対のマスクレスIVTONデータセットであるMFVTを紹介する。 実験により、FDM-MFVTはマスクベースやマスクフリーのベースライン法よりも少ない推論ステップで、優れた定量的および定性的な結果が得られることが示された。

関連論文リスト

• TAMF-VTON: Texture-Aware Mask-Free Virtual Try-On via High-Fidelity Image Synthesis [18.0381961459164]
  TAMF-VTONは、高忠実度画像合成を可能にするテクスチャ対応でマスフリーなフレームワークである。 提案手法では,推測時に人体を解析したり,マスクを塗ったりする必要がなくなる。 多様な衣服スタイル、カテゴリ、量をサポートし、複数のアイテムを同時に転送することができる。
  論文  参考訳（メタデータ） (2026-07-16T10:26:27Z)
• Lavida-O: Elastic Large Masked Diffusion Models for Unified Multimodal Understanding and Generation [63.50827603618498]
  マルチモーダル理解と生成のための統一型マスク付き拡散モデル(MDM)であるLavida-Oを提案する。 Lavida-Oは、画像レベルの理解、オブジェクトのグラウンド化、画像編集、高解像度のテキスト・ツー・イメージ合成を可能にする単一のフレームワークを提供する。 Lavida-Oは、RefCOCOオブジェクトグラウンド、GenEvalテキスト画像生成、ImgEdit画像編集など、幅広いベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-09-23T17:05:46Z)
• Lightweight and Accurate Multi-View Stereo with Confidence-Aware Diffusion Model [81.01939699480094]
  本稿では,MVSに拡散モデルを導入する新しいMVSフレームワークを提案する。 深度推定の識別特性を考慮し,拡散過程を導出する条件エンコーダを設計する。 本稿では,新しいMVSフレームワークであるDiffMVSとCasMVSの2つの新しいMVS手法を提案する。
  論文  参考訳（メタデータ） (2025-09-18T17:59:19Z)
• JCo-MVTON: Jointly Controllable Multi-Modal Diffusion Transformer for Mask-Free Virtual Try-on [15.59886380067986]
  JCo-MVTONは、拡散に基づく画像生成とマルチモーダル条件融合を統合することで制限を克服する新しいフレームワークである。 DressCodeなどの公開ベンチマークで最先端のパフォーマンスを実現し、測定値と人的評価の両方において、既存のメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-08-25T02:43:57Z)
• Improving Progressive Generation with Decomposable Flow Matching [50.63174319509629]
  Decomposable Flow Matching (DFM)は、ビジュアルメディアのプログレッシブな生成のためのシンプルで効果的なフレームワークである。 Imagenet-1k 512pxでは、DFMはベースアーキテクチャよりも35.2%改善され、ベースラインは26.4%向上した。
  論文  参考訳（メタデータ） (2025-06-24T17:58:02Z)
• Variational Autoencoding Discrete Diffusion with Enhanced Dimensional Correlations Modeling [48.96034602889216]
  Variencoding Discrete Diffusion (VADD) は、潜在変数モデリングによる離散拡散を強化する新しいフレームワークである。 補助的認識モデルを導入することにより、VADDはトレーニングセット上の変分下界と償却推論を介して安定したトレーニングを可能にする。 2Dトイデータ、画素レベルの画像生成、テキスト生成に関する実証結果は、VADDがMDMベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2025-05-23T01:45:47Z)
• MF-VITON: High-Fidelity Mask-Free Virtual Try-On with Minimal Input [69.33864837012202]
  本研究では,一人のイメージとターゲット衣服のみを用いて,現実的なVITONを実現するMask-Free VITONフレームワークを提案する。 既存のMaskベースのVITONモデルを利用して高品質なデータセットを合成する。 このデータセットには、多様で現実的な人物画像とそれに対応する衣服が含まれており、背景も様々で、現実世界のシナリオを模倣している。
  論文  参考訳（メタデータ） (2025-03-11T17:40:59Z)
• CatVTON: Concatenation Is All You Need for Virtual Try-On with Diffusion Models [77.39903417768967]
  CatVTONは仮想的な試着拡散モデルであり、任意のカテゴリーの衣服をターゲット個人に転送する。 CatVTONはVAEと単純化されたUNetのみで構成され、冗長な画像とテキストエンコーダを除去する。 実験により、CatVTONはベースライン法に比べて質的、定量的に優れた結果が得られることが示された。
  論文  参考訳（メタデータ） (2024-07-21T11:58:53Z)
• Cross-view Masked Diffusion Transformers for Person Image Synthesis [21.242398582282522]
  ポーズ誘導画像生成のための新しい拡散モデルであるX-MDPTを提案する。 X-MDPTは、潜伏パッチで動作するマスク付き拡散トランスフォーマーを用いて、自分自身を区別する。 我々のモデルはDeepFashionデータセットにおける最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2024-02-02T15:57:13Z)
• CAT-DM: Controllable Accelerated Virtual Try-on with Diffusion Model [38.08115084929579]
  画像ベースの仮想試行において,GAN(Generative Adversarial Networks)が研究分野を支配している。 拡散モデル(CAT-DM)を用いた制御可能な仮想トライオンを提案する。
  論文  参考訳（メタデータ） (2023-11-30T09:56:17Z)

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。