继谷歌推出Tryon Diffusion虚拟试穿后，国内的头部电商阿里也推出的Outfit Anyone虚拟试穿技术。该技术采用双流条件扩散模型，处理模特和服装数据，通过衣物图像实现逼真的虚拟试穿效果，结合Animate Anyone技术，轻松制作任意角色的换装视频。只需要一张人物照片和服装照片，就可以为不同的姿势和身体形状创建高质量的虚拟试穿。国内的电商革命也终于要到来了！
体验网址：https://huggingface.co/spaces/HumanAIGC/OutfitAnyone
论文名称：Outfit Anyone: Ultra-high quality virtual try-on for Any Clothing and Any Person
论文链接：https://humanaigc.github.io/outfit-anyone/
项目链接：https://github.com/HumanAIGC/OutfitAnyone （未开源）
目录
摘要
方法
试穿结果
个人衣服
不规则服装
各种体型
动漫服装
精细化处理
换装+动画
总结分析
摘要
虚拟试穿已经成为一项变革性的技术，让用户无需亲自试穿就能体验时尚。然而，现有的方法往往难以产生高保真度和细节一致的结果。扩散模型已经证明了它们能够生成高质量和逼真的图像，但是当涉及到虚拟试穿等条件生成场景时，它们仍然面临着实现控制和一致性的挑战。Outfit Anyone利用两流条件扩散模型解决了这些限制，使其能够熟练地处理服装变形，以获得更逼真的结果。它的特点是可扩展性——姿势和体型等可调节因素——以及广泛的适用性，从动画延伸到野外图像。Outfit Anyone在各种场景中的表现突出了它的实用性和对实际部署的准备。
方法
Outfit Anyone方法的核心是条件扩散模型，该模型使用服装图像作为控制因素，处理模特、服装和随附的文本提示的图像。在内部，网络分为两个流，分别对模型和服装数据进行独立处理。这些流汇聚在一个融合网络中，便于将服装细节嵌入到模型的特征表示中。在此基础上，Outfit Anyone建立了装备任何人，包括两个关键元素:用于初始试戴图像的零镜头试戴网络，以及用于详细增强输出图像中的服装和皮肤纹理的Post-hoc Refiner。
试穿结果
Outfit Anyone在现实世界中展示了多功能服装变化能力，包括在现实场景中完整套装和单件。
个人衣服
不规则服装
在这里展示各种古怪和独特的服装风格的能力，把它们穿在模特身上，在必要时创建相应的服装组合。
各种体型
Outfit Anyone同样可以适应各种体型，包括那些健康的、曲线的和娇小的，从而满足各行各业的人的试穿需求。
动漫服装
Outfit Anyone模型具有强大的泛化能力，可以支持新的动画角色的创建
精细化处理
通过配备精炼器（Refiner），Outfit Anyone 能够在保持服装风格一致性的同时，显著提升服装的纹理和真实感，使得最终效果更加逼真和吸引人。
换装+动画
Outfit Anyone 与 Animate Anyone（阿里最新推出的姿态转视频模型）的结合。这不仅仅意味着能够实现角色的服装变更，更是能够创造动作视频，将静态的虚拟试穿转变为动态的视觉体验。这种集成的技术展现了 AI 在时尚和娱乐领域的巨大潜力。
总结分析
1.Outfit Anyone主要特点
-
逼真效果:创造出非常真实的图片；
-
适用范围广:适配各种衣服和人物,适用于不同体型和风格；
-
个性化时尚展示:可以展示多种独特和时尚的服装搭配；
-
细节增强:增强服装的质感和真实感,同时保持一致性；
-
适应不同体型:能够根据用户的体型提供适合的试衣效果；
-
支持动画角色:泛化能力强,支持为动画角色创造新的服装形象；
-
整合Animate Anyone与Animate Anybody,实现服装变比和动态视频。
2.使用场景示例：
-
电商平台：用户可以在线试穿各种服装款式，提高购物体验。
-
虚拟试衣场景：用户可以通过手机应用程序尝试不同的衣物组合。
-
动漫角色设计：设计师可以使用 Outfit Anyone 为动漫角色设计各种服装样式。
3.产品特色：
-
基于条件扩散模型实现虚拟试穿。
-
处理衣物变形，生成逼真效果。
-
可扩展性，适用于各种身体形状和动漫角色。
欢迎大家关注我的微信公众号：小白学AIGC，一个有趣有AI的AIGC公众号:关注AI、深度学习、计算机视觉、AIGC、Stable Diffusion等相关技术。这里不仅有简单易懂的AIGC理论实践和AI学习路线,还有大厂工作经历和体会分享。期待你的来临～
