FIT: A Large-Scale Dataset for Fit-Aware Virtual Try-On

研究背景与问题

目的

构建一个面向虚拟试衣（Virtual Try-On）的大规模 fit-aware 数据集。

现有方法及局限性

• 现有 VTO 数据集缺乏合身度（fit-awareness）标注
• 布料物理悬挞性质难以程序化生成高质量数据
• 大规模 try-on 三元组（人-服装-试穿效果）数据稀缺

本文方法

提出 FIT 数据集：

1. 113 万 try-on 图像三元组
2. GarmentCode：程序化 3D 服装生成框架，支持多样化服装几何
3. 物理仿真驱动悬挂：使用物理引擎生成真实的布料悬挂数据
4. 重纹理框架：将程序化服装纹理映射到真实感外观

核心贡献

1. FIT 数据集规模：113万图像三元组，是目前最大的 fit-aware VTO 数据集

2. GarmentCode 程序化生成：

   • 参数化 3D 服装模型
   • 支持多类别（上衣、裤子、裙子等）
   • 几何多样性保证

3. 物理仿真集成：

   • 使用物理仿真引擎进行布料悬挂模拟
   • 保证服装与人体之间的物理合理交互
   • 合身度信息天然嵌入

4. 重纹理管线：程序化几何 → 物理悬挂 → 纹理映射 → 最终渲染

数据集统计

与 GAMES103 的关联

虽然本文核心是 CV/VTO 方向，但其中 物理仿真驱动的布料悬挂 与 GAMES103 的 Cloth Simulation 章节直接相关：

• 布料的物理悬挞性质是 cloth simulation 的典型应用
• GarmentCode 的参数化服装 + 物理引擎 = cloth sim 的工业级落地案例
• 可作为 GAMES103 5_cloth.md 系列的应用补充参考

Reference

• arXiv: 2604.08526
• PDF: ReadPapers/222
• GAMES103 知识库收录: Elastic/FIT.md