Buchumschlag

Inverse Virtual Try-On: Generating Multi-Category Product-Style Images from Clothed Individuals

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lobba, Davide, Sanguigni, Fulvio, Ren, Bin, Cornia, Marcella, Cucchiara, Rita, Sebe, Nicu
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dress-ED: Instruction-Guided Editing for Virtual Try-On and Try-Off
von: Sanguigni, Fulvio, et al.
Veröffentlicht: (2026)

Fashion-RAG: Multimodal Fashion Image Editing via Retrieval-Augmented Generation
von: Sanguigni, Fulvio, et al.
Veröffentlicht: (2025)

What Changed? Detecting and Evaluating Instruction-Guided Image Edits with Multimodal Large Language Models
von: Baraldi, Lorenzo, et al.
Veröffentlicht: (2025)

Hierarchical Cross-Attention Network for Virtual Try-On
von: Tang, Hao, et al.
Veröffentlicht: (2024)

Image Captioning Evaluation in the Age of Multimodal LLMs: Challenges and Future Perspectives
von: Sarto, Sara, et al.
Veröffentlicht: (2025)

Multimodal-Conditioned Latent Diffusion Models for Fashion Image Editing
von: Baldrati, Alberto, et al.
Veröffentlicht: (2024)

Fluent and Accurate Image Captioning with a Self-Trained Reward Model
von: Moratelli, Nicholas, et al.
Veröffentlicht: (2024)

Unveiling the Truth: Exploring Human Gaze Patterns in Fake Images
von: Cartella, Giuseppe, et al.
Veröffentlicht: (2024)

Personalizing Multimodal Large Language Models for Image Captioning: An Experimental Analysis
von: Bucciarelli, Davide, et al.
Veröffentlicht: (2024)

Revisiting Image Captioning Training Paradigm via Direct CLIP-based Optimization
von: Moratelli, Nicholas, et al.
Veröffentlicht: (2024)

BRIDGE: Bridging Gaps in Image Captioning Evaluation with Stronger Visual Cues
von: Sarto, Sara, et al.
Veröffentlicht: (2024)

Multi-Class Unlearning for Image Classification via Weight Filtering
von: Poppi, Samuele, et al.
Veröffentlicht: (2023)

Training-Free Open-Vocabulary Segmentation with Offline Diffusion-Augmented Prototype Generation
von: Barsellotti, Luca, et al.
Veröffentlicht: (2024)

Recurrence-Enhanced Vision-and-Language Transformers for Robust Multimodal Document Retrieval
von: Caffagni, Davide, et al.
Veröffentlicht: (2025)

Recurrence Meets Transformers for Universal Multimodal Retrieval
von: Caffagni, Davide, et al.
Veröffentlicht: (2025)

Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images
von: Amoroso, Roberto, et al.
Veröffentlicht: (2023)

Towards Retrieval-Augmented Architectures for Image Captioning
von: Sarto, Sara, et al.
Veröffentlicht: (2024)

Personalized Instance-based Navigation Toward User-Specific Objects in Realistic Environments
von: Barsellotti, Luca, et al.
Veröffentlicht: (2024)

Optimizing Resource Consumption in Diffusion Models through Hallucination Early Detection
von: Betti, Federico, et al.
Veröffentlicht: (2024)

Hallucination Early Detection in Diffusion Models
von: Betti, Federico, et al.
Veröffentlicht: (2026)

Tiny Inference-Time Scaling with Latent Verifiers
von: Bucciarelli, Davide, et al.
Veröffentlicht: (2026)

Mitigating Hallucinations in Multimodal LLMs via Object-aware Preference Optimization
von: Compagnoni, Alberto, et al.
Veröffentlicht: (2025)

Wiki-LLaVA: Hierarchical Retrieval-Augmented Generation for Multimodal LLMs
von: Caffagni, Davide, et al.
Veröffentlicht: (2024)

Generalized Fine-Grained Category Discovery with Multi-Granularity Conceptual Experts
von: Zheng, Haiyang, et al.
Veröffentlicht: (2025)

Positive-Augmented Contrastive Learning for Vision-and-Language Evaluation and Training
von: Sarto, Sara, et al.
Veröffentlicht: (2024)

Embodied Agents for Efficient Exploration and Smart Scene Description
von: Bigazzi, Roberto, et al.
Veröffentlicht: (2023)

Augmenting Multimodal LLMs with Self-Reflective Tokens for Knowledge-based Visual Question Answering
von: Cocchi, Federico, et al.
Veröffentlicht: (2024)

A Unified Masked Jigsaw Puzzle Framework for Vision and Language Models
von: Ye, Weixin, et al.
Veröffentlicht: (2026)

Key-Graph Transformer for Image Restoration
von: Ren, Bin, et al.
Veröffentlicht: (2024)

Sharing Key Semantics in Transformer Makes Efficient Image Restoration
von: Ren, Bin, et al.
Veröffentlicht: (2024)

LLaVA-MORE: A Comparative Study of LLMs and Visual Backbones for Enhanced Visual Instruction Tuning
von: Cocchi, Federico, et al.
Veröffentlicht: (2025)

ReAG: Reasoning-Augmented Generation for Knowledge-based Visual Question Answering
von: Compagnoni, Alberto, et al.
Veröffentlicht: (2025)

Learning to Mask and Permute Visual Tokens for Vision Transformer Pre-Training
von: Baraldi, Lorenzo, et al.
Veröffentlicht: (2023)

Spot the Difference: A Novel Task for Embodied Agents in Changing Environments
von: Landi, Federico, et al.
Veröffentlicht: (2022)

Contrasting Deepfakes Diffusion via Contrastive Learning and Global-Local Similarities
von: Baraldi, Lorenzo, et al.
Veröffentlicht: (2024)

Embodied Navigation at the Art Gallery
von: Bigazzi, Roberto, et al.
Veröffentlicht: (2022)

Modeling Human Gaze Behavior with Diffusion Models for Unified Scanpath Prediction
von: Cartella, Giuseppe, et al.
Veröffentlicht: (2025)

Zero-Shot Styled Text Image Generation, but Make It Autoregressive
von: Pippi, Vittorio, et al.
Veröffentlicht: (2025)

Safe-CLIP: Removing NSFW Concepts from Vision-and-Language Models
von: Poppi, Samuele, et al.
Veröffentlicht: (2023)

Explore and Explain: Self-supervised Navigation and Recounting
von: Bigazzi, Roberto, et al.
Veröffentlicht: (2020)