禹 立，钟跃崎,2

(1.东华大学 纺织学院, 上海 201620； 2.东华大学 纺织面料技术教育部重点实验室, 上海 201620)

中国拥有一个庞大的服装网购市场[1]，虚拟试衣技术通过模拟指定服装穿在用户身上的着装效果，让用户能够直观地看到自身着装的视觉效果。该技术能够给顾客更真实的购物体验，有助于促进顾客做出购买决策[2-3]。

过去很多研究者专注于基于三维建模的虚拟试衣技术[4-6]，即通过构建人体和服装的三维模型来实现虚拟试衣。这种方法不仅可以评价合身性，而且通过精准地控制服装的物理变形[7]，可达到较为真实的试衣效果。这类方法一般需要昂贵的设备来获取精确的三维信息，并且在构建三维模型的过程中必须人工参与，故效率较低。

而基于二维图像的虚拟试衣技术只需要输入用户和目标服装的二维图像就能合成用户穿着该服装的图像，无需收集三维信息[8]。二维图像的低成本获取使得这种技术在快速更迭的时尚行业中更加具有竞争优势。生成对抗网络常被应用于该类技术，有学者[8]借鉴循环一致思想[9]，提出了一种条件类推生成对抗网络，实现了对图像中人物的服装进行更换。为了简化输入，Han等[10]提出一种从粗糙到精细的策略，仅需输入一张用户图像和目标服装产品图即可实现换衣，但该方法在处理目标服装与用户匹配时有时会发生失败。为了能够处理匹配失败的问题，Raj等[11]提出通过人物解析迁移[12]或者姿态迁移[13]，利用网络来学习服装与用户的匹配关系，但是这类方法生成的试衣结果会丢失部分服装纹理细节，且未考虑如何保持用户身份信息(如肤色、头发等)。……