李元杰的博客

Size Does Matter: Size-aware Virtual Try-on via Clothing-oriented Transformation Try-on Network 代码开源地址https://github.com/cotton6/COTTON- size-does-matter论文下载地址https://openaccess.thecvf.com/content/ICCV2023/papers/Chen_Size_Does_Matter_Size-aware_Virtual

第四章 统一的视觉模型 在本章中，我们讨论了视觉模型的统一。我们首先概述了视觉模型统一面临的挑战，在第4.1节中为实现这一目标所做的最新努力。接下来是关于（i）第4.2节中，详细讨论如何将闭集模型转换为开集模型；（ii）第4.3节中，如何统一不同粒度的视觉任务；（iii）第4.4节中，如何为视觉构建一个更可提示的界面。最后，我们在第4.5节总结了本章并讨论了未来的趋势。4.1概述在谈论通用统一视觉系统之前，我们重新回顾了语言模型和自然语言处理(NLP)在过去几年中的演变。在2018年之前，不同

第三章 Visual Generation Visual Generation指计算机视觉领域中，使用人工智能模型生成图片或视频的技术。视觉生成的目标是生成高保真的视觉内容，包括图像、视频、神经辐射场、3D点云等。这个主题处于最近流行的AI生成内容（AIGC）的核心位置，这种能力在支持设计、艺术和多模式内容创作等创造性应用中至关重要。它还有助于合成训练数据，帮助理解模型，从而实现了多模式内容的理解和生成闭环。为了利用视觉生成，关键是生成与人类意图严格一致的视觉数据。这些意图作为输入条件（如类别标签、文本

这种跨学科的方法结合了NLP和计算机视觉的优点，使研究人员能够开发更健壮和多功能的AI系统，这些系统能够处理视觉信息并通过人机对话生成类似人类的响应。其次，不同粒度级别的不同VL理解任务之间的统一也在积极探索中，例如UniTAB（Yang等，2021）、Unified-IO（Lu等，2022a）、Pix2Seq-v2（Chen等，2022d）等IO统一方法，以及GPV（Gupta等，2022a）、GLIP-v2（Zhang等，2022b）和X-Decoder（Zou等，2023a）等功能统一方法。

GP-VTON: Towards General Purpose Virtual Try-on via Collaborative Local-Flow Global-Parsing Learning https://www.koushare.com/video/videodetail/56158https://github.com/minar09/awesome-virtual-try-onhttps://github.com/xiezhy6/GP-VTONhttps://www.drip.co