无需解析器的虚拟试穿：通过外观流蒸馏实现

图像虚拟试穿旨在将一件服装图像（目标衣物）自然地融合到人物图像中。以往的方法高度依赖人体分割（human parsing）技术，然而，即使存在轻微的分割误差，也容易导致试穿图像出现明显伪影，结果不真实。由于分割不准确，基于分割的方法往往生成视觉上不自然的图像，伪影问题尤为突出。近期一项开创性工作采用知识蒸馏技术，降低了对人类分割的依赖：该方法利用基于分割模型生成的试穿图像作为监督信号，训练一个无需依赖分割的“学生”网络，使其模仿原分割模型的试穿能力。然而，该学生网络的图像质量受限于原始分割模型的性能。为解决这一问题，本文提出一种新颖的“教师-导师-学生”知识蒸馏框架，能够在完全不依赖人体分割的前提下，生成高度逼真的试穿图像，并相较现有方法展现出多项显著优势：（1）与现有工作不同，本文将基于分割模型生成的伪图像视为“导师知识”，其中存在的伪影可通过从真实人物图像中以自监督方式提取的“教师知识”进行纠正，从而实现更高质量的图像生成；（2）不同于以往直接使用真实图像作为监督信号，本文将知识蒸馏过程建模为从人物图像到服装图像之间的外观流动（appearance flow）的蒸馏，从而能够精确捕捉二者之间的密集对应关系，显著提升试穿结果的保真度与细节质量；（3）大量实验评估表明，本文方法在视觉效果与定量指标上均展现出显著优势（详见图1）。