牛透社 6 月 16 日消息，研究团队发布视频虚拟试穿框架 MagicTryOn，该产品具备时空联合建模与分层细节优化技术，旨在通过模拟服装在视频中与人体动作的自然互动，展现出服装在动态变化中的真实效果。

MagicTryOn 基于大型视频扩散变换器（Diffusion Transformer），与传统的 U-Net 架构不同，MagicTryOn 基于 Wan2.1 视频模型，通过全面的自注意力机制共同建模视频的时空一致性。在 MagicTryOn 的设计中，研究者们引入了一种粗到细的服装保留策略。在粗略阶段，模型在嵌入阶段整合服装标记，而在细化阶段则结合了多种服装相关的条件信息，如语义、纹理和轮廓线，从而在去噪声阶段增强了服装细节的表达。

此外，研究团队还提出了一种基于掩码的损失函数，以进一步优化服装区域的真实感。为了验证 MagicTryOn 的有效性，研究者在多个图像和视频试穿数据集上进行了广泛的实验。结果表明，该方法在综合评估中优于现有的最先进技术，并且能够很好地推广到实际场景中。