論文の概要: Beyond Global Realism: Virtual Try-On Evaluation and Optimization with Dimension-wise Garment Fidelity Assessment

• arxiv url: http://arxiv.org/abs/2608.29804v1
• Date: Sun, 30 Aug 2026 14:08:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.080131
• Title: Beyond Global Realism: Virtual Try-On Evaluation and Optimization with Dimension-wise Garment Fidelity Assessment
• Title（参考訳）: グローバルリアリズムを超えて:次元ワイドガーメントフィデリティアセスメントによる仮想試行評価と最適化
• Abstract要約: 仮想試行のための次元ワイドアセスメントフレームワークを提案する。 衣服の一貫性を7つの解釈可能な次元に分解する。 本手法は,バランスの取れた精度で最先端の性能を実現する。
• 参考スコア（独自算出の注目度）: 12.525803780699789
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Virtual try-on (VTON) requires not only realistic generation but also faithful preservation of garment characteristics. However, existing evaluation metrics such as PSNR, SSIM, KID and FID struggle to measure the consistency between the generated and reference garments, particularly in capturing the multi-dimensional characteristics of garment fidelity. To address this, we propose DAT: a Dimension-wise Assessment framework for virtual Try-on, which decomposes garment consistency into seven interpretable dimensions: silhouette, color, neckline and sleeve shape, major decoration and structure, material texture, fine-detail fidelity, and logo preservation, each formulated as a discrete attribute-level prediction task. To train this specialized assessment model, we adopt a two-stage learning paradigm comprising large-scale weak supervision on 50K samples, followed by refinement on 10K higher-quality annotations obtained via multi-model voting. Furthermore, we employ weighted cross-entropy loss to mitigate the severe label imbalance inherent across evaluation dimensions. Beyond its role as an evaluation framework, the assessment model can be integrated into reinforcement learning optimization of Qwen-Image-Edit for VTON, where dimension-wise rewards are adaptively aggregated to emphasize under-optimized aspects during training. Experimental results show that our method (8B parameters) achieves state-of-the-art performance in terms of balanced accuracy, SROCC, and PLCC, outperforming strong proprietary models such as Gemini-3.1, Qwen3.7-plus, and GPT-5.5, while also serving as an effective optimization signal for reward-guided VTON generation
• Abstract（参考訳）: VTON(Virtual try-on)は、現実的な生成だけでなく、衣服の特徴の忠実な保存も要求する。 しかし、PSNR、SSIM、KID、FIDといった既存の評価指標は、生成した衣服と参照服との整合性を測定するのに苦慮している。 そこで本論文では,仮想トライオンのための次元的アセスメントフレームワークについて,シルエット,カラー,ネックライン,スリーブ形状,主要装飾と構造,材料テクスチャ,細部忠実度,ロゴの保存の7つの解釈可能な次元に分解し,それぞれの属性レベル予測タスクを定式化した。 この特化評価モデルをトレーニングするために,50Kサンプルに対する大規模弱監督を含む2段階学習パラダイムを採用し,さらにマルチモデル投票によって得られた10Kの高品質アノテーションを改良した。 さらに,重み付きクロスエントロピー損失を用いて,評価次元に固有の重み付きラベルの不均衡を緩和する。 評価フレームワークとしての役割の他に、評価モデルをVTON用Qwen-Image-Editの強化学習最適化に統合して、トレーニング中の過度に最適化された側面を強調するために、次元的報酬を適応的に集約する。 実験結果から,両立精度,SROCC,PLCC,Gemini-3.1,Qwen3.7-plus,GPT-5.5などの強力なプロプライエタリモデルよりも高い性能を示し,かつ報酬誘導VTON生成のための効果的な最適化信号として機能することがわかった。

関連論文リスト

• Ring-Zero: Scaling Zero RL to a Trillion Parameters for Emergent Reasoning [55.99621402404222]
  人間の注釈のない検証可能な報酬による強化学習は、しばしばゼロRLと呼ばれ、思考の連鎖的推論を引き出すための強力なパラダイムとして現れている。 我々はモデルから高品質な推論行動を引き出すことを目指している。 単純なスケーリングは、可読性、トークンの冗長性、適応的な推論深さの欠如に悩まされることがよくあります。
  論文  参考訳（メタデータ） (2026-07-14T06:14:55Z)
• Generalized Rank-based Evaluation for Knowledge Graph Completion: Perspectives, Framework, and Analyses [2.7836206220202757]
  既存の評価指標では見過ごせない2つの重要な視点をKGC評価に導入する。 本稿では,予測シャープネスのレベルに基づいて,各予測のスコアを推定する一般化評価フレームワーク PROBE を提案する。 PROBEはそのような一貫性をよりよく維持し、既存のメトリクスよりも信頼性の高い本質的なモデル性能を推定できることを示す。
  論文  参考訳（メタデータ） (2026-06-08T02:00:38Z)
• Skill-Aligned Annotation for Reliable Evaluation in Text-to-Image Generation [50.85337196571056]
  テキスト・ツー・イメージ(T2I)生成は急速に進歩し、モデル間の性能差が狭まるにつれて信頼性の高い評価が重要になった。 既存の評価慣行は、通常、Likert-scale や binary question answering (BQA) のような一様アノテーション機構を適用している。 我々は,T2I評価を,各評価スキルの根底にある特徴を反映したアノテーション戦略のレンズを通して再検討する。
  論文  参考訳（メタデータ） (2026-05-13T09:14:31Z)
• OpenVTON-Bench: A Large-Scale High-Resolution Benchmark for Controllable Virtual Try-On Evaluation [14.782532923428084]
  約100Kの高解像度画像対からなる大規模ベンチマークであるOpenVTON-Benchを提案する。 データセットはDINOv3ベースの階層クラスタリングを用いて構築され、セマンティック・バランスの取れたサンプリングとジェミニ・パワーの高密度キャプションを行う。 本稿では,VTONの品質を背景整合性,アイデンティティの忠実度,テクスチャの忠実度,形状の妥当性,全体的現実性という5つの解釈可能な次元に沿って測定するマルチモーダルプロトコルを提案する。
  論文  参考訳（メタデータ） (2026-01-30T08:58:00Z)
• Visual Autoregressive Modelling for Monocular Depth Estimation [69.01449528371916]
  本稿では,視覚的自己回帰(VAR)に基づく単眼深度推定手法を提案する。 提案手法は,大規模テキスト・画像VARモデルに適応し,スケールワイド・コンディショナル・アップサンプリング機構を導入する。 本研究では,屋内ベンチマークにおける制約付きトレーニング条件下での最先端性能と,屋外データセットに適用した場合の強い性能について報告する。
  論文  参考訳（メタデータ） (2025-12-27T17:08:03Z)
• OmniQuality-R: Advancing Reward Models Through All-Encompassing Quality Assessment [55.59322229889159]
  我々は,マルチタスク品質推論を連続的かつ解釈可能な報酬信号に変換する統一報酬モデリングフレームワークOmniQuality-Rを提案する。 我々は、推論強化報酬モデルデータセットを使用して、教師付き微調整のための信頼性の高いチェーンオブ思考データセットを構築します。 OmniQuality-Rは,美的品質評価,技術的品質評価,テキスト画像アライメントという3つの重要なIQAタスクで評価する。
  論文  参考訳（メタデータ） (2025-10-12T13:46:28Z)
• Developing a Dataset-Adaptive, Normalized Metric for Machine Learning Model Assessment: Integrating Size, Complexity, and Class Imbalance [0.0]
  精度、F1スコア、精度といった従来のメトリクスは、機械学習モデルを評価するために頻繁に使用される。 サイズ、特徴次元、クラス不均衡、信号対雑音比といったデータセット特性を取り入れたデータセット適応型正規化メトリックを示す。
  論文  参考訳（メタデータ） (2024-12-10T07:10:00Z)
• Benchmarking Zero-Shot Robustness of Multimodal Foundation Models: A Pilot Study [61.65123150513683]
  CLIPのようなマルチモーダル基盤モデルは、最先端のゼロショット結果を生成する。 これらのモデルは、ImageNetでトレーニングされた教師付きモデルのパフォーマンスを一致させることで、ロバスト性ギャップを埋めることが報告されている。 CLIPは、ベンチマーク上の教師付きImageNetモデルと比較して、かなりの堅牢性低下をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-03-15T17:33:49Z)
• QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
  モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。 QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。 例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
  論文  参考訳（メタデータ） (2023-11-06T00:21:44Z)

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。