东京大学大学院信息理工学研究科五十岚健夫研究室开发出一种实时高质量虚拟试穿技术。
该技术通过构建专注于生成特定服装图像的深度学习模型，实现了适应不同体型与姿势的试穿图像生成。同时，研发了可自动控制体型和姿势的专用机器人模特用于拍摄训练数据，以自动获取模型所需的大量数据集。
借助该技术，用户可像在试衣间照镜子一样进行虚拟试穿，不仅便于在线购物时精准选品，还能在视频会议等动态场景下自然合成显示虚拟服装。
所开发系统的要点
- 顾客身穿测量服站在摄像头前，系统即可实时生成穿着目标商品的图像；
- 利用机器人模特变换体型与姿势进行海量图像采集与学习，确保生成图像的高质量；
- 支持在线购物时虚拟试穿多种尺寸及类型的商品，辅助消费者做出合适选择。
系统通过显示器前搭载深度传感器的摄像头拍摄身穿测量服的试穿者。测量服采用多色设计以大致标示身体部位，系统依据深度与颜色信息，将图像精准划分为“服装区域”与“身体区域”。
随后对提取的服装图像进行区域分割，并将像素值转换为对应标签。以此标记图像为输入，经由图像转换网络（深度学习模型）生成目标服装图像，最终与提取的身体图像融合，输出完整的虚拟试穿效果。
随着线上购物与远程会议的普及，市场对虚拟试穿的需求日益增长，包括在线购物时批量试穿衣物、视频会议中一键切换正式着装等应用场景。