Vanast 虚拟试穿新框架：一张照片换新衣服，直接生成连贯动画

网购衣服最怕什么？大概就是买家秀和卖家秀的落差。在 AI 领域，虚拟试穿其实火了很久，但如果想让静态的人穿上新衣服走两步，往往破绽百出。

研究人员公布了名为 Vanast 的全新虚拟试穿框架。它的操作逻辑很简单：你只需要给一张人物照片、衣服的图片，再加上一段人体骨架动作视频，它就能一步生成一段穿着这件新衣服的人物流畅运动视频。

告别两阶段拼接，换装和动效一步到位

在此之前，主流的虚拟试穿动画大多采用「两阶段」做法。也就是先把新衣服通过图像试穿模型贴在照片上，再交给另一个动作驱动模型把静图变成视频。

这种拼积木的方式问题很大。两道工序下来，人物往往走着走着脸就变了样，衣服边缘拉扯变形，一旦转身甚至还会出现前后反差穿帮。

Vanast 放弃了这种割裂的流程，改用单一框架端到端完成合成。为了让模型能学会复杂的换装动态，研究团队搭建了大规模的三元组监督训练数据，既覆盖了相同身份在不同服装下的形态，也涵盖了完整的上下装搭配及自然场景。

在架构上，Vanast 针对视频 Diffusion Transformer 引入了双模块（Dual Module）设计。这不仅稳住了生成画面的质感，也让模型在服饰细节对齐、动作跟随和身份保持上更准确，甚至还支持服装之间的零样本插值过渡。

上装下装连体裙通吃，但还得等代码

从展示的实际效果来看，Vanast 的表现相当干净。输入一张男士或女士的普通照片，换上一件新衬衫、一条裤子或裙子，人物在运动过程中的面部轮廓和体型比例几乎没有变形。

除了简单的单件上衣或裤装，它对整体连体连衣裙的处理也很自然，衣服的褶皱和摆动能够随着骨架动作协调变化。

不过需要提醒的是，目前该项目仅公开了论文，官方主页标注代码即将推出，普通开发者和创作者暂时还无法直接下载部署。

为什么重要

如果 Vanast 后续如约开源，受影响最大的无疑是电商与时尚内容制作领域。过去商家展示新款服装必须雇佣模特实拍或租用绿幕影棚，而这类端到端视频工具一旦成熟，只需白底商品图和一个标准的姿态模板，就能低成本批量生成商品展示视频。

从行业路线上看，这项研究给视频级虚拟试穿指明了一个关键趋势：传统的「换衣再动」两步走思路正在被端到端联合建模取代。跳过中间层的图像拼接，直接在视频潜在空间完成服装与动作的融合，是解决闪烁和形变的有效路径。

我们认为，Vanast 的技术切入点很聪明，通过高质量合成数据和针对性的 Diffusion Transformer 结构绕过了多模型串联的累积误差。但同时也要看到，这类技术目前依然严重依赖姿态骨架引导，并且论文展示与复杂的现实野生测试之间往往存在差距。等到代码正式开放后，它在极端大动作和复杂光影下的泛化能力，才是决定其实用价值的关键考验。