LiveVVT：高保真视频实时虚拟试戴

基于扩散的视频虚拟试穿（VVT）通过双向时空建模实现了高视觉保真度，但在实际的连续部署中，完全剪辑依赖会导致过高的延迟和计算开销。天真地强制执行因果关系会破坏预先训练的双向先验，并大大降低合成质量。我们引入了 LiveVVT，这是一种滚动流扩散框架，可在因果循环生成中保留有界双向建模。在固定大小的窗口内，LiveVVT 在有界前视下联合对多个视频块进行去噪，保留本地双向交互，同时每次迭代发出一个干净的块。在窗口之外，两个互补的记忆维持长期一致性：有界时间记忆传播最近的动态和遮挡上下文，而持久的全局外观记忆（从目标服装和正面试穿关键帧构建一次）在整个流中锚定服装细节和着装外观。我们进一步介绍了一种渐进式 蒸馏 框架，集成了双向 VVT 学习、用于因果几步适应的教师轨迹回归和协作匹配 蒸馏，它将教师分布匹配与真实视频上的滚动流匹配相结合，以使优化与循环推理保持一致。配对和不配对长序列基准测试的实验表明，与类似大小的模型相比，生成质量更高，延迟降低 26 倍，吞吐量提高 11 倍，从而实现高保真实时流式 VVT。