Voost：一种用于双向虚拟试穿和试脱的统一可扩展扩散变换器

虚拟试穿旨在合成一个人穿着目标服装的逼真图像，但准确建模服装与身体的对应关系仍然是一个持续的挑战，尤其是在姿势和外观变化下。在本文中，我们提出了Voost——一个统一且可扩展的框架，它通过单个扩散Transformer共同学习虚拟试穿和试脱。通过共同建模这两个任务，Voost使每个服装-人物对能够监督两个方向，并支持在生成方向和服装类别上的灵活条件，从而在没有特定任务网络、辅助损失或额外标签的情况下增强服装与身体的关系推理。此外，我们引入了两种推理时技术：用于对抗分辨率或掩码变化的注意力温度缩放，以及利用任务之间双向一致性的自校正采样。大量实验表明，Voost在试穿和试脱基准上均取得了最先进的结果，在对齐精度、视觉保真度和泛化能力方面始终优于强劲的基线。