MagicTryOn是什么？

MagicTryOn 是浙江大學(xué)和 vivo 合作推出的開源視頻虛擬試穿項(xiàng)目。它用視頻擴(kuò)散 Transformer 的 DiT 架構(gòu)，讓服裝試穿看起來更真實(shí)、更穩(wěn)當(dāng)。這個(gè)項(xiàng)目靠全自注意力機(jī)制，保證視頻各幀連貫，不會(huì)像老方法那樣出現(xiàn)閃爍、抖動(dòng)。它的主要功能有：精準(zhǔn)保留服裝細(xì)節(jié)，通過多條件引導(dǎo)生成更真實(shí)的試穿效果，還用掩碼感知損失提升生成質(zhì)量。在多個(gè)數(shù)據(jù)集上，MagicTryOn 表現(xiàn)很好，視覺質(zhì)量和泛化能力都很強(qiáng)。

MagicTryOn技術(shù)原理

• 擴(kuò)散 Transformer（DiT）架構(gòu)：該架構(gòu)模塊化設(shè)計(jì)允許更靈活地注入條件信息，多級(jí)服裝特征能有效整合到去噪過程中。其內(nèi)置的全自注意力機(jī)制可聯(lián)合建模視頻的時(shí)空一致性，捕捉幀內(nèi)局部細(xì)節(jié)和幀間動(dòng)態(tài)變化。

• 粗到細(xì)的服裝保持策略：粗策略是在嵌入階段，將服裝標(biāo)記注入輸入標(biāo)記序列，擴(kuò)展旋轉(zhuǎn)位置編碼的網(wǎng)格大小，讓服裝標(biāo)記和輸入標(biāo)記共享一致的位置編碼；細(xì)策略是在去噪階段，引入語義引導(dǎo)交叉注意力和特征引導(dǎo)交叉注意力模塊，提供細(xì)粒度的服裝細(xì)節(jié)引導(dǎo)。

• 掩碼感知損失（Mask-Aware Loss）：基于此損失，模型能更專注于服裝區(qū)域的生成，提高服裝區(qū)域的細(xì)節(jié)保真度和整體合成結(jié)果的真實(shí)感。

MagicTryOn主要功能

• 服裝細(xì)節(jié)保留：可精確模擬服裝的紋理、圖案和輪廓，在人物運(yùn)動(dòng)時(shí)保持真實(shí)感和穩(wěn)定性。

• 時(shí)空一致性建模：確保視頻中各幀之間的連貫性，避免服裝閃爍和抖動(dòng)。

• 多條件引導(dǎo)：基于文本、圖像特征、服裝標(biāo)記和輪廓線標(biāo)記等多種條件，生成更真實(shí)、更細(xì)致的試穿效果。

MagicTryOn應(yīng)用場(chǎng)景

• 在線購物：用戶可在線試穿不同服裝。

• 時(shí)尚設(shè)計(jì)：設(shè)計(jì)師能快速預(yù)覽服裝效果。

• 虛擬試衣間：為實(shí)體店提供虛擬試衣服務(wù)。

• 廣告與營銷：品牌可制作個(gè)性化試穿廣告。

• 游戲與娛樂：在游戲中實(shí)時(shí)試穿虛擬服裝。

項(xiàng)目鏈接

項(xiàng)目官網(wǎng)：https://vivocameraresearch.github.io/magictryon/ 

GitHub 倉庫：https://github.com/vivoCameraResearch/Magic-TryOn/ 

arXiv 技術(shù)論文：https://arxiv.org/pdf/2505.21325