UniVVT

UniVVT框架使用多模态大语言模型实现端到端视频虚拟试穿

研究人员推出UniVVT，一个新颖的端到端高保真视频虚拟试穿框架。与以往依赖人体解析、姿态估计和服装变形等独立模块的方法不同，UniVVT将任务重构为语义条件视频生成。它利用多模态大语言模型将源视频、目标服装和任务指令编码为潜在令牌，从而隐式捕获服装迁移所需的必要信息。这种方法消除了对显式几何先验的需求，从而提高了性能并简化了部署。