私たちは、仮想試着ビデオを生成するためのビデオ拡散モデル（VDM）であるFashion-VDMを紹介します。入力として衣服画像と人物ビデオを与えられた場合、当手法はその人物が指定された衣服を着ている高品質な試着ビデオを生成することを目指し、同時に人物の同一性と動きを保ちます。画像ベースの仮想試着では印象的な結果が示されていますが、既存のビデオ仮想試着（VVT）手法はまだ衣服の詳細や時間的一貫性に欠けています。これらの問題に対処するために、当研究ではビデオ仮想試着用の拡散型アーキテクチャを提案し、条件付け入力に対する制御力を向上させるために分離した分類器なしガイダンスを導入し、さらに単一パスで64フレーム、512ピクセルのビデオを生成するための段階的な時間的訓練戦略を提案しています。また、特にビデオデータが限られている場合においても、画像とビデオの共同訓練がビデオ試着に有効であることを示しています。私たちの定性的および定量的な実験結果は、当手法がビデオ仮想試着における新しい最先端技術であることを証明しています。詳細な結果については、プロジェクトページをご覧ください: https://johannakarras.github.io/Fashion-VDM.