ViT-HD

新的关键帧驱动方法增强视频虚拟试穿的真实感

研究人员推出了一种名为KeyTailor的新框架，旨在通过解决捕捉服装动态和保持背景一致性方面的挑战来改进视频虚拟试穿（VVT）。该方法采用关键帧驱动的细节注入策略，过滤信息帧以提炼服装和背景信息。这种方法被集成到扩散Transformer（DiT）块中，而不改变核心架构，从而实现高效逼真的试穿视频合成。此外，还发布了一个名为ViT-HD的大型数据集，包含超过15,000个高清视频样本，以帮助模型泛化和训练。