研究人员开发了BooM-VVT,一个新颖的无遮挡视频虚拟试穿框架,可增强服装一致性并处理各种试穿任务。该系统采用多阶段训练策略和图像级伪数据,以减少对昂贵视频级数据的需求。它还集成了服装敏感关键帧采样和帧共享3D-RoPE,以改进服装外观捕捉和时空对应。此外,该项目还推出了OmniView,一个大规模多视图数据集,以支持可靠的试穿视频生成。 AI
影响 这项研究推进了无遮挡视频虚拟试穿的能力,有望提高AI驱动的时尚应用的真实感并降低数据需求。
排序理由 这是一篇详细介绍视频虚拟试穿新方法和数据集的研究论文。
在 Hugging Face Daily Papers 阅读 →
- 3D-RoPE
- alphaXiv
- arXiv
- BooM-VVT
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- ScienceCast
- Frame-Shared 3D-RoPE
- Garment-Sensitive Keyframe Sampling
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →