Voost：一个虚拟试穿和试脱工具

Voost 是由 Seungyong Lee 和 Jeong-gi Kwak 提出的ai虚拟试穿试脱工具，核心是通过一个扩散变换器（DiT）同时搞定试穿和试脱两件事。它的特点是不用单独搞任务网络、不用额外加标签，还能让每套衣服和人的搭配双向“监督”学习——既看试穿效果，也看试脱效果，这样能更准地理解衣服和身体的关系，比如衣服怎么贴皮肤、褶皱怎么堆。另外还加了两个实用技术：注意力温度缩放（让模型在不同分辨率下更稳）和自校正采样（通过试穿/试脱互相验证来减少错误），实测在试穿和试脱测试里效果都是顶尖的，衣服细节（像纹理、褶皱）、和人体姿势的贴合度都不错，而且能适应各种衣服类型、材质，还有不同人的姿势。

📚功能特点

• 双向学习还原细节：试穿和试脱一起学，通过双向监督更懂衣服和身体的互动，像衣服的褶皱、面料纹理这些细节都能还原得更真。

• 生成效果接近真实：能从多个角度展示试穿效果，不管胖瘦、站坐蹲，衣服穿在身上的样子都更贴近实际。

• 适应性强少依赖：不用专门为某种衣服或场景单独调模型，也不用大量人工打标签，普通照片或摄像头拍的图就能用。

📚技术原理

• 核心方法：用扩散变换器（DiT）作为“大脑”，通过交叉注意力把衣服的特征和人体的模型“揉”在一起，连衣服上一根线、一个褶子都能精细合成。

• 优化技巧：

• 注意力温度缩放：像调节“敏感度开关”，让模型在不同清晰度或遮挡情况下（比如手挡住部分衣服）也能稳定输出。

• 自校正采样：试穿和试脱互相“检查”——比如试穿时看试脱的反向逻辑对不对，减少生成错误。

• 操作流程：用户上传清晰的正脸/侧脸照片，或者直接用摄像头拍，系统自动把人“建模”出来，再把衣服“穿”上去。

📚Voost能用在哪里？

• 网购衣服：不用试穿，直接在APP里看看衣服上身啥样，避免买回来尺码不对或版型不合。

• 服装设计：设计师改版型或搭配时，先虚拟试试效果，不用反复做样衣。

• 社交分享：在社交平台里用Voost“试穿”衣服，发穿搭图更有意思。

• 线下门店：结合AR技术搞个虚拟试衣镜，顾客站在镜子前就能换装，科技感拉满。

📚Voost怎么用步骤？

Hugging Face 公开DEMO即将发布。

1. 选择试穿或试脱模式；

2. 选择所需服装类型（试穿包含上装、下装、全套）；

3. 上传模特图像（可选：使用绘图工具创建掩码）；

4. 上传服装图像；

5. 点击按钮运行模型。

📚常见问题

❓：Voost 和其他试穿工具比，最厉害的地方是什么？

A：它用一个扩散变换器同时学试穿和试脱，不用单独搞任务网络或额外标签，还能双向监督学习；加上注意力温度缩放和自校正采样这两个技术，效果更稳更真。

❓：Voost 在哪些测试里验证过效果？

A：在VITON-HD、DressCode这些常用数据集，还有真实场景的照片里都测过，试穿和试脱的效果都是目前最好的，比StableVITON、IDM-VTON等工具更准、更像真的。

❓：注意力温度缩放和自校正采样有啥用？

A：温度缩放是让模型在不同清晰度或遮挡时（比如手挡住衣服）也能稳得住；自校正采样是通过试穿和试脱互相验证，减少生成错误，让衣服穿得更自然。

📚Github：https://github.com/nxnai/Voost