M&M VTO是一種混合搭配的虛擬試穿方法，它接受多張服裝圖片、服裝佈局的文本描述以及一個人的圖片作為輸入，輸出是這些服裝在指定佈局下穿在給定人物身上的可視化效果。該技術的主要優點包括：單階段擴散模型，無需超分辨率級聯，能夠在1024x512分辨率下混合搭配多件服裝，同時保留和扭曲複雜的服裝細節；架構設計（VTO UNet Diffusion Transformer）能夠分離去噪和人物特定特徵，實現高效的身份保留微調策略；通過文本輸入控制多件服裝的佈局，專門針對虛擬試穿任務微調。M&M VTO在定性和定量方面都達到了最先進的性能，併為通過語言引導和多件服裝試穿開闢了新的可能性。

Visual Try-On Chrome Extension是一款Chrome瀏覽器插件，利用人工智能圖像處理技術，讓用戶能夠在任何電子商務網站上虛擬試穿衣物。該插件通過OpenAI GPT-4捕捉產品主圖，上傳用戶圖片至Cloudinary，使用Hugging Face上的Kolors模型進行AI處理，並將結果存儲在瀏覽器緩存中以提高可用性。它保護用戶隱私，不將個人數據或圖片發送至服務器，僅在Hugging Face進行AI處理時例外。

Kolors Virtual Try-On 是一款結合了人工智能和增強現實技術的虛擬試衣應用，能夠根據給定的模特圖和選定衣服生成自然美觀的試穿效果。該產品支持從模特素材圖到模特短視頻的全流程生成，滿足電商模特素材生成需求。

DressCode是一個文本驅動的3D服裝生成框架，旨在為新手民主化設計，為時尚設計、虛擬試穿和數字人類創造提供巨大潛力。它首先介紹了SewingGPT，這是一個基於GPT的架構，集成了交叉注意力和文本條件嵌入，以文本指導生成縫紉圖案。然後，它定製了一個預訓練的Stable Diffusion，以生成基於瓦片的基於物理的渲染（PBR）紋理。通過利用大型語言模型，該框架通過自然語言交互生成CG友好的服裝，還促進了圖案完成和紋理編輯，通過用戶友好的交互簡化了設計過程。

CatVTON是一款基於擴散模型的虛擬試穿技術，具有輕量級網絡（總共899.06M參數）、參數高效訓練（49.57M可訓練參數）和簡化推理（1024X768分辨率下<8G VRAM）。它通過簡化的網絡結構和推理過程，實現了快速且高效的虛擬試穿效果，特別適合時尚行業和個性化推薦場景。

IMAGDressing是一個交互式模塊化服裝生成模型，旨在為虛擬試穿系統提供靈活和可控的定製化服務。該模型通過結合CLIP的語義特徵和VAE的紋理特徵，使用混合注意力模塊將這些特徵整合到去噪UNet中，確保用戶可以控制編輯。此外，IMAGDressing還提供了IGPair數據集，包含超過30萬對服裝和穿著圖像，建立了標準的數據組裝流程。該模型可以與ControlNet、IP-Adapter、T2I-Adapter和AnimateDiff等擴展插件結合使用，增強多樣性和可控性。

ClotheDreamer是一個基於3D高斯的文本引導服裝生成模型，能夠從文本描述生成高保真的、可穿戴的3D服裝資產。它採用了一種新穎的表示方法Disentangled Clothe Gaussian Splatting (DCGS)，允許服裝和人體分別進行優化。該技術通過雙向Score Distillation Sampling (SDS)來提高服裝和人體渲染的質量，並支持自定義服裝模板輸入。ClotheDreamer的合成3D服裝可以輕鬆應用於虛擬試穿，並支持物理精確的動畫。

Outfit Anyone 是一個客戶端程序，調用接口進行虛擬試穿。該模型不開源，固定且不能上傳或修改，僅支持用戶上傳自己的服裝。

Kolors Virtual Try On是一個利用先進AI技術提供在線虛擬試衣服務的平臺。它通過虛擬建模幫助用戶在真實環境中可視化服裝產品，減少因尺碼不合或款式不滿意導致的退換貨成本。用戶可以隨時隨地試穿服裝，做出更明智的購物選擇。該平臺兼容多個平臺，提供個性化推薦，並且支持移動設備使用。Kolors Virtual Try On的隱私政策確保用戶數據安全，所有上傳的照片在處理後會被安全刪除。

M&M VTO是一種混合搭配的虛擬試穿方法，它接受多張服裝圖片、服裝佈局的文本描述以及一個人的圖片作為輸入，輸出是這些服裝在指定佈局下穿在給定人物身上的可視化效果。該技術的主要優點包括：單階段擴散模型，無需超分辨率級聯，能夠在1024x512分辨率下混合搭配多件服裝，同時保留和扭曲複雜的服裝細節；架構設計（VTO UNet Diffusion Transformer）能夠分離去噪和人物特定特徵，實現高效的身份保留微調策略；通過文本輸入控制多件服裝的佈局，專門針對虛擬試穿任務微調。M&M VTO在定性和定量方面都達到了最先進的性能，併為通過語言引導和多件服裝試穿開闢了新的可能性。

Visual Try-On Chrome Extension是一款Chrome瀏覽器插件，利用人工智能圖像處理技術，讓用戶能夠在任何電子商務網站上虛擬試穿衣物。該插件通過OpenAI GPT-4捕捉產品主圖，上傳用戶圖片至Cloudinary，使用Hugging Face上的Kolors模型進行AI處理，並將結果存儲在瀏覽器緩存中以提高可用性。它保護用戶隱私，不將個人數據或圖片發送至服務器，僅在Hugging Face進行AI處理時例外。

Kolors Virtual Try-On 是一款結合了人工智能和增強現實技術的虛擬試衣應用，能夠根據給定的模特圖和選定衣服生成自然美觀的試穿效果。該產品支持從模特素材圖到模特短視頻的全流程生成，滿足電商模特素材生成需求。

DressCode是一個文本驅動的3D服裝生成框架，旨在為新手民主化設計，為時尚設計、虛擬試穿和數字人類創造提供巨大潛力。它首先介紹了SewingGPT，這是一個基於GPT的架構，集成了交叉注意力和文本條件嵌入，以文本指導生成縫紉圖案。然後，它定製了一個預訓練的Stable Diffusion，以生成基於瓦片的基於物理的渲染（PBR）紋理。通過利用大型語言模型，該框架通過自然語言交互生成CG友好的服裝，還促進了圖案完成和紋理編輯，通過用戶友好的交互簡化了設計過程。

CatVTON是一款基於擴散模型的虛擬試穿技術，具有輕量級網絡（總共899.06M參數）、參數高效訓練（49.57M可訓練參數）和簡化推理（1024X768分辨率下<8G VRAM）。它通過簡化的網絡結構和推理過程，實現了快速且高效的虛擬試穿效果，特別適合時尚行業和個性化推薦場景。

IMAGDressing是一個交互式模塊化服裝生成模型，旨在為虛擬試穿系統提供靈活和可控的定製化服務。該模型通過結合CLIP的語義特徵和VAE的紋理特徵，使用混合注意力模塊將這些特徵整合到去噪UNet中，確保用戶可以控制編輯。此外，IMAGDressing還提供了IGPair數據集，包含超過30萬對服裝和穿著圖像，建立了標準的數據組裝流程。該模型可以與ControlNet、IP-Adapter、T2I-Adapter和AnimateDiff等擴展插件結合使用，增強多樣性和可控性。

ClotheDreamer是一個基於3D高斯的文本引導服裝生成模型，能夠從文本描述生成高保真的、可穿戴的3D服裝資產。它採用了一種新穎的表示方法Disentangled Clothe Gaussian Splatting (DCGS)，允許服裝和人體分別進行優化。該技術通過雙向Score Distillation Sampling (SDS)來提高服裝和人體渲染的質量，並支持自定義服裝模板輸入。ClotheDreamer的合成3D服裝可以輕鬆應用於虛擬試穿，並支持物理精確的動畫。