Bild-virtuelle Probier-Techniken zielen darauf ab, ein Kleidungsbild (Zielkleidung) einem Personenbild anzupassen. Vorherige Methoden basieren stark auf der menschlichen Segmentierung. Doch bereits geringfügige Fehlsegmentierungen führen zu unrealistischen Probierbildern mit erheblichen Artefakten. Ungenaue Segmentierung führt bei parserbasierten Ansätzen dazu, visuell unrealistische Ergebnisse zu erzeugen, wobei Artefakte typischerweise auftreten. Eine kürzlich vorgestellte wegweisende Arbeit nutzte Wissensdistillation, um die Abhängigkeit von menschlicher Segmentierung zu verringern: Dabei werden die Probierbilder, die von einem parserbasierten Modell erzeugt werden, als Supervision verwendet, um ein „Schüler“-Netzwerk zu trainieren, das nicht auf Segmentierung angewiesen ist und stattdessen die Fähigkeit des parserbasierten Modells nachahmt. Allerdings bleibt die Bildqualität des Schülers an die Leistungsfähigkeit des parserbasierten Modells gebunden. Um dieses Problem zu lösen, schlagen wir einen neuartigen Ansatz namens „Teacher-Tutor-Student“-Wissensdistillation vor, der in der Lage ist, hochrealistische Bilder ohne menschliche Segmentierung zu erzeugen und gegenüber vorherigen Arbeiten mehrere vorteilhafte Eigenschaften aufweist. (1) Im Gegensatz zu bestehenden Ansätzen betrachten wir die von parserbasierten Modellen erzeugten Falschbilder als „Tutorwissen“, wobei Artefakte durch echtes „Lehrerwissen“ korrigiert werden können, das selbstlernend aus den echten Personenbildern extrahiert wird. (2) Anstatt lediglich echte Bilder als Supervision zu verwenden, formulieren wir die Wissensdistillation im Kontext der Probieraufgabe als Übertragung der Erscheinungsflüsse zwischen Personen- und Kleidungsbild, wodurch wir präzise dichte Korrespondenzen zwischen den beiden Bildern finden können, um hochwertige Ergebnisse zu erzielen. (3) Umfassende Evaluierungen zeigen eine deutliche Überlegenheit unserer Methode (siehe Abb. 1).