FDM-MFVT：无掩模虚拟试戴的少步采样扩散模型

基于图像的虚拟试穿（IVTON）通过扩散模型取得了巨大进步，但现有方法需要许多采样步骤，并且依赖于具有昂贵辅助网络的掩模。此外，大规模无掩模配对数据集的缺乏进一步限制了无掩模IVTON的发展。我们提出了 FDM-MFVT，一种用于无掩模 IVTON 的几步扩散模型，集成了服装感知噪声优化模块 (OANO) 和指令驱动试穿模块 (IDT)，以提高效率和灵活性。OANO 模块使用输入图像初始化带有噪声的对齐空间，与 30 个步骤相比，只需要 6 个步骤即可生成更高保真度的试穿图像。IDT 模块使用虚拟试穿提示和高效自适应来生成高质量结果仅服装和人物图像。我们进一步介绍 MFVT，一个 30,000 对无掩模 IVTON 数据集。实验表明，与基于掩模和无掩模的基线方法相比，FDM-MFVT 以更少的推理步骤实现了优异的定量和定性结果。