論文の概要: Structure-Detail Decoupled Autoregressive Generation for Fast and High-Fidelity Virtual Try-On
- arxiv url: http://arxiv.org/abs/2607.11233v1
- Date: Mon, 13 Jul 2026 08:21:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.394902
- Title: Structure-Detail Decoupled Autoregressive Generation for Fast and High-Fidelity Virtual Try-On
- Title（参考訳）: 高速かつ高忠実なバーチャルトライオンのための構造詳細デカップリング自己回帰生成
- Abstract要約: VTON(Virtual try-on)は、2条件画像生成の問題である。
拡散に基づくVTON法は、固有遅延圧縮による高周波詳細損失に悩まされる。
最近の視覚的自己回帰モデルは、高品質な生成に有望な代替手段を提供する。
- 参考スコア（独自算出の注目度）: 51.92060872944388
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Virtual try-on (VTON) is a bi-conditional image generation problem that requires not only accurate person preservation but also faithful garment deformation and detail synthesis. Diffusion-based VTON methods can jointly model these factors in a compressed latent space, but suffer from high-frequency detail loss due to inherent latent compression, even with costly multi-step denoising. Recent visual autoregressive (VAR) models offer a promising alternative for high-quality generation with faster inference, yet remain unexplored for VTON due to the lack of effective bi-conditioning mechanisms. To bridge this gap, we first introduce VAR-VTON, a VAR-based VTON model that incorporates garment conditioning and structural guidance for efficient latent-space VTON. Despite its efficacy, latent-space generation still struggles to preserve fine-grained garment details. We argue that different VTON sub-tasks should be addressed in different representation spaces: structural synthesis such as garment warping and person layout is suited to the latent space, whereas fine-grained detail recovery should be tackled in the pixel space. Motivated by this insight, we further propose STAR-VTON, a Two-Stage AutoRegressive framework that builds upon VAR-VTON by decoupling latent-space structural synthesis from pixel-space detail recovery. Our idea is to resort to a matching-informed refiner to establish dense correspondences between the stage-one generation and the source garment to directly map fine-grained pixel-space details. Extensive experiments show that STAR-VTON achieves an impressive efficiency-fidelity trade-off: VAR-VTON runs at least $4\times$ faster than diffusion-based counterparts without degrading quality, and the pixel-space refiner effectively restores fine details and acts as a plug-and-play module that can benefit existing VTON approaches.
- Abstract（参考訳）: VTON(Virtual try-on)は、正確な人物保存だけでなく、忠実な衣服の変形やディテール合成も必要とする2条件画像生成問題である。
拡散に基づくVTON法は圧縮潜在空間においてこれらの因子を共同でモデル化することができるが、コストのかかるマルチステップのデノイングであっても、固有潜在空間圧縮による高頻度の細部損失に悩まされる。
近年の視覚的自己回帰モデル(VAR)は、より高速な推論で高品質な生成のための有望な代替手段を提供するが、効果的なバイコンディショニング機構が欠如しているため、VTONには未探索のままである。
このギャップを埋めるために、我々はVARベースのVTONモデルであるVAR-VTONを紹介した。
その効果にもかかわらず、潜伏空間の生成は細かな衣服の細部を維持するのに依然として苦労している。
我々は,異なるVTONサブタスクを,異なる表現空間で扱うべきであると主張している。例えば,衣服のワープや人体配置などの構造合成は,潜在空間に適したものであるのに対して,細かな詳細回復は画素空間で取り組まなければならない。
そこで本研究では,VAR-VTON上に構築された2段階自動回帰フレームワークSTAR-VTONを提案する。
我々の考えは、マッチングインフォームド・リファクターを使用して、ステージ1世代とソースウェアの密接な対応を確立し、微細なピクセル空間の詳細を直接マップすることである。
VAR-VTONは、品質を劣化させることなく、拡散ベースのものよりも4ドル以上高速で動作し、ピクセルスペースリファインダは、細部を効果的に復元し、既存のVTONアプローチに恩恵をもたらすプラグイン・アンド・プレイモジュールとして機能する。
関連論文リスト
- LPH-VTON: Resolving the Structure-Texture Dilemma of Virtual Try-On via Latent Process Handover [15.242291833451882]
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。
論文 参考訳（メタデータ） (2026-05-14T14:18:56Z) - OmniDiT: Extending Diffusion Transformer to Omni-VTON Framework [16.89102936125974]
拡散変換器に基づくオムニ仮想トライオンフレームワークであるOmniDiTを提案する。
まず,データを連続的に生成するための自己進化型データキュレーションパイプラインを構築し,大規模なVTONデータセットOmni-TryOnを構築した。
拡散モデルにShifted Window Attentionを導入し、線形複雑化を実現しました。
論文 参考訳（メタデータ） (2026-03-20T05:04:55Z) - V-Co: A Closer Look at Visual Representation Alignment via Co-Denoising [65.5867130156805]
統合JTフレームワークにおける視覚的コデノゲーションの体系的研究であるV-Coについて述べる。
本研究は,視覚的コデノジングを効果的に行うための4つの重要な要素を明らかにする。
V-Coは、基礎となる画素空間拡散ベースラインと強い前の画素拡散法より優れている。
論文 参考訳（メタデータ） (2026-03-17T17:01:54Z) - PROMO: Promptable Outfitting for Efficient High-Fidelity Virtual Try-On [39.47263059671598]
VTONは3つの条件条件の下で強い条件生成を要求する構造化画像編集問題である。
本稿では,PROMOについて述べる。PROMOは,マルチモーダル条件が潜在するFlow Matching DiTバックボーン上に構築された,高速な仮想試行フレームワークである。
標準ベンチマークでは、PROMOは従来のVTON法と一般的な画像編集モデルの両方を視覚的忠実度で上回り、品質とスピードの競争力のバランスを保っている。
論文 参考訳（メタデータ） (2026-03-12T08:41:05Z) - Mobile-VTON: High-Fidelity On-Device Virtual Try-On [75.5009105664896]
Mobile-VTONは、仮想トライオンのための高品質なプライバシ保護フレームワークである。
単一のユーザイメージと衣料品イメージのみを使用して、コモディティモバイルデバイス上で完全にオフラインの仮想試用を可能にする。
論文 参考訳（メタデータ） (2026-03-01T06:36:13Z) - One-Shot Refiner: Boosting Feed-forward Novel View Synthesis via One-Step Diffusion [57.824020826432815]
スパース画像から高忠実性ノベルビュー合成(NVS)を実現するための新しいフレームワークを提案する。
ViTバックボーンによって制限されることなく高解像度画像を処理できるデュアルドメイン詳細知覚モジュールを設計する。
我々は,修復過程において高周波の詳細を保存できる特徴誘導拡散ネットワークを開発した。
論文 参考訳（メタデータ） (2026-01-20T17:11:55Z) - Rethinking Garment Conditioning in Diffusion-based Virtual Try-On [7.386027762996787]
高速な単一UNetモデルであるRe-CatVTONを開発した。
提案されたRe-CatVTONは前機種に比べて性能が大幅に向上した。
その結果,FID,KID,LPIPSのスコアは改善し,SSIMはわずかに低下した。
論文 参考訳（メタデータ） (2025-11-24T05:19:44Z) - Latent Harmony: Synergistic Unified UHD Image Restoration via Latent Space Regularization and Controllable Refinement [89.99237142387655]
LH-VAEを導入し、視覚的意味的制約や進行的劣化による意味的堅牢性を高める。
Latent Harmonyは、UHD修復のためのVAEを再定義する2段階のフレームワークである。
実験により、Latent HarmonyはUHDおよび標準解像度タスクにまたがって最先端のパフォーマンスを実現し、効率、知覚品質、再現精度を効果的にバランスさせることが示されている。
論文 参考訳（メタデータ） (2025-10-09T08:54:26Z) - OmniVTON: Training-Free Universal Virtual Try-On [53.31945401098557]
イメージベースの仮想トライオン(VTON)技術は、適応性を改善するが、データバイアスと制限された普遍性によって制約される、教師付きインショップアプローチまたは教師なしインザワイルド手法のいずれかに依存している。
OmniVTONは,布地を疎結合にし,テクスチャの忠実さを両立させ,多様な設定に整合性を持たせるための条件付けを行う,初めてのトレーニングフリーユニバーサルVTONフレームワークである。
論文 参考訳（メタデータ） (2025-07-20T16:37:53Z) - 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)
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。