Los autores presentan CtrlVTON, un marco que aborda la falta de control del usuario en la prueba virtual redefiniendo la tarea como edición de imágenes con máscaras de segmentación a nivel de píxeles. Este enfoque permite a los usuarios especificar el tamaño de la prenda, el estilo y la colocación espacial en el cuerpo.
- El sistema define la Segmentación por Instancia Visual mediante VIP-SAM para segmentar instancias específicas de prendas desde imágenes planas sobre una persona.
- CtrlVTON utiliza estas máscaras para controlar detalles del diseño, como si la ropa está metida o abierta.
- Tanto VIP-SAM como CtrlVTON logran resultados de vanguardia en sus respectivas tareas.
- Las imágenes generadas siguen más fielmente los diseños proporcionados por el usuario que los sistemas propietarios de edición, mientras igualan su fidelidad en las prendas.
Este trabajo proporciona un método para la transferencia realista de prendas con control preciso sobre cómo se lleva la ropa.