TryOffAnyone

定义

TryOffAnyone 是一个基于潜空间扩散模型的图像到图像生成工具，输入是一张人物穿着某件服装的照片以及标注该服装区域的掩码，输出是该件服装在标准视角下的平铺商品图^[1][3]。它所属的任务在学术文献中被称为虚拟脱衣(Virtual Try-Off，VTOFF)，与虚拟试衣(Virtual Try-On，VTON)的方向正好相反：虚拟试衣把标准服装图穿到人身上，虚拟脱衣则从真人照片中把服装"摘"出来并恢复成规范形态^[4][2]。

论文将这一输出描述为满足商业目录标准的平铺服装图，强调其对形状、纹理与花纹的还原能力。作者指出，这类图像是电商展示、个性化推荐、整套穿搭组合以及虚拟试衣系统所依赖的基础素材，而真实拍摄与后期制作成本较高，因此用生成方式获得平铺图具有实际价值^[1][3]。

原理

TryOffAnyone 以 Stable Diffusion 的图像修复(图像补全)版本为底座，在预训练权重上进行微调，而不是从零训练^[5][1]。模型整体是一个单阶段网络：先由服装掩码圈定需要处理的目标衣物，再把人物图像与掩码一起送入潜在空间中的编码器，得到低维表示，随后由去噪网络在给定条件下迭代生成平铺服装图^[6][1]。

为降低计算量，作者选择性地训练去噪网络中部分的变换器模块，并去掉了在该任务中并不必要的交叉注意力层，使网络结构比通用的条件生成模型更精简^[1][3]。掩码的获取可以借助图像分割模型，官方发布的交互界面则提供画笔工具，让使用者在衣物区域手工涂抹生成掩码，再执行提取^[7][6]。

在数学表述上，任务可看作学习从穿着照片 $I$ 到平铺服装图 $G$ 的条件分布 $P(G \mid I)$，推理时从近似分布中采样出与输入照片对应的服装图像^[4]。训练完成后的推理过程由若干可调参数控制，界面中暴露的选项包括随机种子、条件强度、去噪步数与输出宽高^[7]。

发展历程

与 TryOffAnyone 直接相关的论文于2024年12月发布在预印本平台 arXiv 上，编号为 2412.08573，作者为 Ioannis Xarchakos 与 Theodoros Koukopoulos，学科分类为计算机视觉^[1][8]。论文发布后，作者在代码托管平台发布了官方实现仓库，并在模型托管平台公开了配套权重，同时提供了可直接在网页上运行的演示空间^[2][5]。

在技术脉络上，虚拟脱衣并非全新概念。早期的平铺服装生成工作采用两阶段的生成对抗网络方案，但没有把该任务作为独立问题正式定义；TryOffAnyone 则与同期提出的 TryOffDiff 一道，把"从单张穿着照片重建规范服装图"明确为一个可评测的任务^[4][9]。后续研究将这一任务从上半身服装扩展到上衣、下装与连衣裙等多种类别，并把虚拟脱衣与虚拟试衣组合起来使用^[10]。

应用

该工具最直接的用途是电商服装商品图的制作。商家往往只有模特上身图或买家实拍图，缺少规范的平铺展示图，用该模型可以从这些照片生成接近目录风格的服装图像，减少影棚拍摄与人工修图环节^[1][3]。阿里云开发者社区的介绍文章也把电商平台、虚拟试衣与个性化推荐列为其适用场景^[6]。

在虚拟试衣流程中，平铺服装图是模型的输入条件之一，因此虚拟脱衣可以为试衣系统补充训练数据与商品素材，也能用于构建从买家实拍到商品页的检索通路^[4][1]。官方仓库提供了在 VITON-HD 数据集上的批量评测脚本，并附带多种图像质量指标的计算，便于研究者把该模型作为基线进行比较^[2][6]。

局限

官方说明指出，公开发布的模型权重仅适用于与 VITON-HD 数据集中风格相近的上衣，对下装、连衣裙等其他服装类别并未覆盖^[2]。由于模型依赖掩码指定目标区域，掩码的准确性直接影响结果，需要人工标注或额外的分割步骤^[7][4]。

从任务本身的难度看，输入照片中的服装往往被手臂、头发或配饰遮挡，并存在褶皱与形变，模型必须从有限视觉线索推断被遮挡部分，这使纹理、标识与复杂图案的还原仍存在误差^[4][9]。相关研究还指出，SSIM 等传统结构相似度指标难以反映服装重建的感知质量，评估这类模型时需谨慎选择指标^[4]。

参见

• 虚拟试衣 —— 把标准服装图合成到人体上的相反方向任务，与本词条构成互补关系。

• 潜空间扩散模型 —— TryOffAnyone 所依托的生成模型架构。

• Stable Diffusion —— 本工具微调时使用的预训练图像生成模型。

• TryOffDiff —— 同期提出的虚拟脱衣模型，采用图像编码器条件化方案。

• VITON-HD —— 用于训练与评测的高分辨率虚拟试衣数据集。

• 图像分割 —— 用于提取服装掩码、引导生成区域的技术。