摘要
虚拟试穿是在线时尚零售和数字服装可视化的关键技术。它的目标是在保持几何对齐和精细纹理细节的同时，真实地展示目标服装在人体上的效果。基于外观流的方法可以提供明确的变形建模，但在处理长袖或紧身服装等具有挑战性的场景时，常常会出现纹理压缩和边界伪影问题，尤其是在高分辨率设置下。在这项工作中，我们提出了StageAttn-VTON（分阶段注意力虚拟试穿），这是一种基于外观流的框架，通过分阶段的变形建模来提高结构连贯性和视觉逼真度。具体来说，服装变形过程被分解为三个阶段：粗略对齐、局部细化和非目标区域去除，这有助于缓解诸如保持纹理平滑性和实现精确结构对齐等相互竞争的目标之间的矛盾。此外，我们在图像合成阶段引入了自注意力模块，以增强全局依赖性建模并捕捉服装与身体之间的长距离交互。在VITON-HD和DressCode的上半身数据集上的实验表明，StageAttn-VTON在性能上始终优于基于变形和扩散的基线方法。定性比较还显示，所提出的方法在处理袖子和腰部等具有挑战性的区域时，能够更好地减轻变形伪影。
