Voost: 가상 착용·벗기 도구 88

小编 · 2025-08-12

Voost는 Seungyong Lee와 Jeong-gi Kwak이 제안한 AI 가상 착용·벗기 도구로, 확산 트랜스포머(DiT)를 통해 착용과 벗기를 단일 모델로 처리합니다. 작업별 네트워크나 추가 라벨이 필요 없고, 각 옷과 사람의 양방향 ‘지도 학습’으로 착용과 벗기 양쪽 시점에서 옷이 몸에 밀착되는 방식과 주름 등을 더 정확히 이해합니다. 여기에 어텐션 온도 스케일링 등 두 가지 실용 기법도 추가되었습니다(모델이 …).

Voost: 가상 착용·벗기 도구

Voost는 Seungyong Lee와 Jeong-gi Kwak가 제안한 ai 가상 착용 및 탈의 도구로, 핵심은 하나의 확산 트랜스포머(DiT)를 통해 착용과 탈의를 동시에 처리하는 것입니다. 특징은 별도의 작업 네트워크가 필요 없고, 추가 레이블도 필요 없으며, 각 옷과 사람의 조합을 양방향으로 "지도" 학습할 수 있다는 점입니다. 착용 효과와 탈의 효과를 모두 살펴봄으로써 옷과 신체의 관계(예: 옷이 피부에 어떻게 밀착되는지, 주름이 어떻게 쌓이는지)를 더 정확하게 이해할 수 있습니다. 또한 두 가지实用적인 기술이 추가되었습니다: 어텐션 온도 스케일링(다양한 해상도에서 모델을 더 안정적으로 만드는 기술)과 자기 교정 샘플링(착용/탈의 상호 검증을 통해 오류를 줄이는 기술)입니다. 실제 테스트에서 착용과 탈의 모두 최첨단 효과를 보였으며, 옷의 디테일(질감, 주름 등)과 신체 자세의 적합도가 뛰어나고, 다양한 옷 유형, 소재, 다양한 사람의 자세에 적응할 수 있습니다.

Voost: 가상 착용 및 탈의 도구

📚기능 특징

양방향 학습으로 디테일 복원: 착용과 탈의를 함께 학습하며, 양방향 감독을 통해 옷과 신체의 상호작용을 더 잘 이해하여 옷의 주름, 원단 질감 등 디테일을 더 실제처럼 복원할 수 있습니다.
실제에 가까운 생성 효과: 다양한 각도에서 착용 효과를 보여줄 수 있으며, 체형이나 자세(서기, 앉기, 쪼그려 앉기)에 관계없이 옷이 몸에 입혀진 모습이 실제와 더 가깝습니다.
적응성이 강하고 의존성이 적음: 특정 옷이나 장면을 위해 모델을 별도로 조정하거나大量의 수작업 레이블링이 필요 없으며, 일반 사진이나 카메라로 촬영한 이미지를 바로 사용할 수 있습니다.

📚기술 원리

핵심 방법: 확산 트랜스포머(DiT)를 "두뇌"로 사용하여 교차 어텐션을 통해 옷의 특징과 인체 모델을 "섞어" 합성하며, 옷의 실 하나, 주름 하나까지도 정교하게 합성할 수 있습니다.
최적화 기술:

어텐션 온도 스케일링: "민감도 스위치"를 조절하는 것과 같이, 모델이 다른 선명도나遮挡 상황(예: 손이 옷의 일부를 가리는 경우)에서도 안정적으로 출력할 수 있도록 합니다.
자기 교정 샘플링: 착용과 탈의가 서로 "검사"합니다. 예를 들어 착용 시 탈의의 역방향 로직이 올바른지 확인하여 생성 오류를 줄입니다.
작업 흐름: 사용자는 정면/측면 사진이 명확한 이미지를 업로드하거나 카메라로 직접 촬영하면, 시스템이 자동으로 인물을 "모델링"한 다음 옷을 "입혀"줍니다.

📚Voost는 어디에 사용할 수 있나요?

온라인 옷 쇼핑: 실제로 입어볼 필요 없이 APP에서 옷이 어떻게 보인지 미리 보고, 사이즈가 맞지 않거나 핏이 맞지 않아 반품하는 것을 방지할 수 있습니다.
의류 디자인: 디자이너가 패턴이나 코디네이션을 수정할 때 가상으로 효과를 먼저 시도해보고, 샘플 옷을反复 만들 필요가 없습니다.
소셜 공유: 소셜 플랫폼에서 Voost로 옷을 "가상 착용"하여 코디 사진을 공유하면 더 재미있습니다.
오프라인 매장: AR 기술과 결합하여 가상 피팅 거울을 만들면, 고객이 거울 앞에 서서 바로 옷을 바꿔 입을 수 있어 기술적인 느낌이 가득합니다.