論文の概要: TexTailor: Texture-Preserving Video Virtual Try-On via Adaptive Garment Conditioning

• arxiv url: http://arxiv.org/abs/2609.39335v1
• Date: Wed, 30 Sep 2026 09:05:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.478871
• Title: TexTailor: Texture-Preserving Video Virtual Try-On via Adaptive Garment Conditioning
• Title（参考訳）: TexTailor: アダプティブ・ガーメント・コンディショニングによるバーチャル・トライオンのテクスチャ保存
• Abstract要約: デジタルファッションとインテリジェントeコマースの幅広い可能性のために、ビデオバーチャルトライオンが注目を集めている。 我々は,事前学習したビデオ拡散変換器上に構築された高忠実度ビデオ仮想試行フレームワークであるTexTailorを提案する。
• 参考スコア（独自算出の注目度）: 24.124642216723064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video virtual try-on has attracted increasing attention due to its broad potential in digital fashion and intelligent e-commerce. However, existing methods primarily focus on low-resolution settings and still face substantial challenges when extended to high-resolution scenarios. These limitations can be attributed to two main factors: (1) the insufficient utilization of rich garment reference information, and (2) the lack of explicit positional modeling between garment and video representations during cross-modal interaction, which weakens fine-grained local correspondence. To address these issues, we propose TexTailor, a high-fidelity video virtual try-on framework built upon a pretrained video Diffusion Transformer. Specifically, we introduce a timestep-adaptive modulation mechanism to dynamically adjust garment visual representations throughout denoising. We further develop a frame-aligned positional encoding strategy to strengthen garment-to-video correspondence, together with a multi-source injection design that reduces interference among heterogeneous conditions. Extensive experiments on multiple video virtual try-on benchmarks, including the high-resolution Eevee dataset, demonstrate that TexTailor achieves competitive performance in garment detail preservation, temporal consistency, and overall video quality.
• Abstract（参考訳）: デジタルファッションとインテリジェントeコマースの幅広い可能性のために、ビデオバーチャルトライオンが注目を集めている。 しかし、既存の手法は主に低解像度の設定に焦点を当てており、高解像度のシナリオに拡張しても大きな課題に直面している。 これらの制限は,(1) 衣服基準情報の不十分な活用,(2) 微粒な局部対応を弱めるクロスモーダル相互作用における衣服と映像の明示的位置モデリングの欠如,の2つの要因に起因していると考えられる。 これらの問題に対処するために,事前にトレーニングされたビデオ拡散変換器上に構築された高忠実度ビデオ仮想試行フレームワークであるTexTailorを提案する。 具体的には,視覚の視覚的表現を視覚的に動的に調整する時間段階適応変調機構を提案する。 さらに,ヘテロジニアス条件間の干渉を低減する多ソースインジェクション設計とともに,衣服と映像の対応を強化するためのフレームアラインな位置符号化戦略を開発した。 高解像度のEeveeデータセットを含む、複数のビデオ仮想試行ベンチマークに関する大規模な実験は、TexTailorが衣服のディテールの保存、時間的一貫性、全体的なビデオ品質において、競争的なパフォーマンスを達成することを実証している。

関連論文リスト

• iTryOn: Mastering Interactive Video Virtual Try-On with Spatial-Semantic Guidance [51.550949809895975]
  Video Virtual Try-On(VVT)は、ビデオの中の人の衣服を新しい服にシームレスに置き換えることを目的としている。 対話型ビデオバーチャルトライ-オン(Interactive VVT)では,映像中の被験者が衣服に積極的に関与する。 大規模ビデオ拡散変換器上に構築された新しいフレームワークiTryOnを提案する。
  論文  参考訳（メタデータ） (2026-05-20T17:23:32Z)
• ViBe: Ultra-High-Resolution Video Synthesis Born from Pure Images [30.646542711556787]
  トランスフォーマーに基づくビデオ拡散モデルは、空間的および時間的トークンに対する3次元の注意に依存している。 我々は,高解像度映像を合成するために,ネイティブスケールで事前学習したビデオ拡散変換器をアップグレードする純粋な画像適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-24T15:27:22Z)
• Eevee: Towards Close-up High-resolution Video-based Virtual Try-on [23.37783900582483]
  ビデオベースの仮想試行のための高解像度データセットを提案する。 このデータセットには、実際の人間のモデルのフルショットおよびクローズアップトライオンビデオが含まれている。 テクスチャと構造の両方の保存を定量化する新しい衣服整合度基準VGIDを提案する。
  論文  参考訳（メタデータ） (2025-11-24T10:19:56Z)
• DreamVVT: Mastering Realistic Video Virtual Try-On in the Wild via a Stage-Wise Diffusion Transformer Framework [26.661935208583756]
  VVT(Virtual try-on)技術は、eコマース広告やエンターテイメントに将来性があるとして、学術的な関心を集めている。 本研究では,現実のシナリオにおける適応性を高めるために,多種多様な人間中心データを活用することが可能なDreamVVTを提案する。 第1段階では、入力ビデオから代表フレームをサンプリングし、視覚言語モデル(VLM)と統合された多フレーム試行モデルを用いて、高忠実で意味論的に整合した試行画像を合成する。 第2段階では、微粒な動きと外観記述とともに骨格図が作成される。
  論文  参考訳（メタデータ） (2025-08-04T18:27:55Z)
• MagicTryOn: Harnessing Diffusion Transformer for Garment-Preserving Video Virtual Try-on [28.66545985357718]
  VVT(Virtual Try-On)は、連続するフレームにわたって自然に現れる衣服を合成し、それらのダイナミクスと人間の手がかりとの相互作用の両方をキャプチャすることを目的としている。 既存のVVT法はまだ不適切な衣服の忠実さと時間的整合性に悩まされている。 MagicTryOnは、衣料制約付き仮想試着のための拡散変換器ベースのフレームワークである。
  論文  参考訳（メタデータ） (2025-05-27T15:22:02Z)
• DiVE: Efficient Multi-View Driving Scenes Generation Based on Video Diffusion Transformer [56.98400572837792]
  DiVEは高忠実で、時間的コヒーレントで、相互に一貫したマルチビュービデオを生成する。 これらの革新は総じて、最小品質の劣化を伴う2.62倍のスピードアップを達成する。
  論文  参考訳（メタデータ） (2025-04-28T09:20:50Z)
• CatV2TON: Taming Diffusion Transformers for Vision-Based Virtual Try-On with Temporal Concatenation [75.10635392993748]
  視覚に基づく仮想試行(V2TON)方式であるCatV2TONを導入する。 CatV2TONは、衣服と人物の入力を時間的に結合し、画像とビデオのデータセットを混合してトレーニングすることにより、堅牢な試着性能を実現する。 また、背面フレームをフィルタリングし、3Dマスクのスムース化を施した精巧なビデオ試行データセットViViD-Sを提案する。
  論文  参考訳（メタデータ） (2025-01-20T08:09:36Z)
• Dynamic Try-On: Taming Video Virtual Try-on with Dynamic Attention Mechanism [52.9091817868613]
  ビデオの試用は、その膨大な現実世界の潜在能力にとって有望な分野だ。 これまでの研究は主に、製品服のイメージを単純な人間のポーズでビデオに移すことに重点を置いてきた。 本稿では,Diffusion Transformer(DiT)に基づく新しいビデオトライオンフレームワークであるDynamic Try-Onを提案する。
  論文  参考訳（メタデータ） (2024-12-13T03:20:53Z)
• AnyFit: Controllable Virtual Try-on for Any Combination of Attire Across Any Scenario [50.62711489896909]
  AnyFitは、高解像度のベンチマークと実世界のデータのベースラインを、大きなギャップで上回っている。 AnyFitの高忠実度バーチャル試作品における印象的なパフォーマンスは、あらゆるイメージから見ても、ファッションコミュニティにおける将来の研究の新たな道を切り開くものです。
  論文  参考訳（メタデータ） (2024-05-28T13:33:08Z)

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。