AnyDressing是字節跳動和清華大學提出的一種基于潛在擴散模型的可定制多服裝虛擬試穿方法，AnyDressing由GarmentsNet和DressingNet兩個主要網絡組成，分別用于提取詳細的服裝特征和實現多服裝的虛擬穿搭，AnyDressing可以應用于多種虛擬試衣場景，包括現實和風格化的場景，提供用戶定制化的虛擬試衣體驗。

AnyDressing主要功能：

多服裝組合試穿：用戶可以同時試穿多件衣服，系統能夠處理復雜的服裝組合，確保每件衣服的細節和貼合度都得到良好呈現。

個性化定制：用戶可以根據自己的需求，通過提供參考服裝和文本提示，定制化試穿效果。這種個性化的功能使得用戶能夠根據自己的風格和喜好進行選擇。

高質量圖像生成：AnyDressing利用先進的圖像生成技術，能夠生成逼真的虛擬試穿圖像，幫助用戶更好地理解服裝在自己身上的效果。

適用場景廣泛：該技術可以應用于時尚零售、在線購物、社交媒體等多個領域，提升用戶的購物體驗和滿意度。

研究與開發：AnyDressing目前處于研究階段，由字節跳動和清華大學的研究團隊共同開發，主要面向學術研究和效果展示，尚未正式商業化。

AnyDressing技術架構:

AnyDressing的技術架構包括兩個主要網絡：GarmentsNet和DressingNet。GarmentsNet負責提取詳細的服裝特征，而DressingNet則生成定制化的圖像。GarmentsNet中引入的服裝特征提取器能夠并行編碼多個服裝的紋理，避免了服裝混淆，同時確保網絡的高效性。DressingNet則采用自適應的注意力機制和實例級服裝定位學習策略，準確地將多服裝特征注入到相應區域，從而提高生成圖像的多樣性和可控性。此外，AnyDressing還引入了增強紋理學習策略，以改善服裝的細節表現。該技術的實驗結果顯示，AnyDressing在多服裝虛擬試穿任務中達到了最先進的效果，具有很高的實用價值和研究潛力。

AnyDressing 的設計解決了現有技術在多服裝合成時面臨的挑戰，如服裝保真度、文本一致性以及與社區控制擴展的兼容性問題。它通過自適應的 Dressing-Attention 機制和實例級服裝定位學習策略，精確地將服裝特征融入到正確的位置，同時通過服裝增強紋理學習策略來提升細節質量，確保生成的虛擬服裝具有高度的逼真感。

AnyDressing相關鏈接:

項目官網：https://crayon-shinchan.github.io/AnyDressing/

HuggingFace: https://huggingface.co/papers/2412.04146

代碼：https://github.com/Crayon-Shinchan/AnyDressing

論文：https://arxiv.org/abs/2412.04146