Oxygen-TryOn：适用于任意单品的时尚原生虚拟试衣基础模型

arXiv cs.CV 发布了这条关于 研究论文 的更新：我们推出了Oxygen-TryOn，一种统一的任意单品虚拟试穿基础模型。它不是简单改造通用图像编辑器，而是专为试衣打造，配备专门的数据引擎和针对试穿的训练方法。只需一张目标主体图像和一件或多件参考单品（无论是干净的产品图片还是穿着实拍），即可合成主体穿戴该单品的真实感图像，覆盖几乎所有时尚类别。相比以往只支持单一服装类别的模型，Oxygen-TryOn支持多样单品和场景，包括全身或半身、多参考、自由组合，多层面保持主体身份和商品外观。它将试穿任务重构为多参考、理解驱动的生成任务，通过规模化数据引擎采集和标注高质量数据，采用三阶段训练方案：持续预训练、监督微调和强化学习。强化学习结合内部试穿奖励模型与专有多任务模型，确保细节一致性和指令质量，支持同轮次姿态等编辑指令。公开和自研基准测试中，Oxygen-TryOn在单品和多品类虚拟试穿表现均超越主流专有及开源模型，达到最新一流水平。

Oxygen-TryOn展示了将虚拟试穿任务从简单图像编辑转变为理解驱动生成任务的可能性，极大提升了多样化单品和复杂场景下的试衣效果。其专门构建的数据引擎和混合强化学习奖励策略为时尚AI提供了新的训练范式，推动虚拟试衣技术向更普适、更真实方向发展。

研究员、模型团队和技术战略负责人 应该重点关注这条信号，尤其是正在跟踪 research、papers、models 的团队。

接下来观察这条信号是否出现开发者采用、竞品回应、研究复现、企业部署或政策/平台层面的后续动作。