DressCode-MR

DressCode-MR是基于DressCode数据集构建的，包含28K+多参考虚拟试穿样本。每个样本包括一个人的图像和一组兼容的服装和配饰项目：上衣、裤子、连衣裙、鞋子和包。数据集规模大，共有28,179个高质量多参考样本，其中25,779个用于训练，2,400个用于测试。

DressCode-MR is constructed based on the DressCode dataset and contains over 28K multi-reference virtual try-on samples. Each sample includes an image of a person and a set of compatible clothing and accessory items: tops, pants, dresses, shoes, and bags. The dataset is large-scale, with a total of 28,179 high-quality multi-reference samples, of which 25,779 are used for training and 2,400 for testing.

原始信息汇总

FastFit 数据集概述

数据集基本信息

• 名称: DressCode-MR
• 类型: 多参考虚拟试穿数据集
• 构建基础: 基于DressCode数据集扩展
• 样本数量: 28,179个高质量样本（25,779训练样本 + 2,400测试样本）
• 许可证: 与原始DressCode数据集相同的许可证

数据集特点

1. 多参考样本:

   • 每个样本包含人物图像与配套服饰组合
   • 支持同时试穿多种服饰类别：上衣、下装、连衣裙、鞋子和包包

2. 数据规模:

   • 总样本量28K+
   • 训练集25,779样本
   • 测试集2,400样本

访问要求

1. 必须先获得原始DressCode数据集的使用许可
2. 必须使用教育/学术邮箱(如.edu, .ac等)在Hugging Face申请访问

相关数据集

• DressCode测试集
• VITON-HD数据集

模型权重

• FastFit-MR-1024
• FastFit-SR-1024

技术支持

• 由LavieAI和LoomlyAI支持

搜集汇总

数据集介绍

构建方式

DressCode-MR数据集作为虚拟试穿领域的重要资源，其构建基于原始DressCode数据集，通过精心筛选和扩展形成了包含28,179个高质量样本的大规模多参考虚拟试穿数据集。该数据集特别注重服装与配饰的多样性组合，每个样本均包含人物图像与配套的上衣、下装、连衣裙、鞋履及包袋等多品类服饰的匹配组合，为多参考虚拟试穿研究提供了丰富的素材基础。数据划分遵循科学规范，其中25,779个样本用于训练，2,400个样本专设测试集，确保了模型开发与评估的有效性。

特点

DressCode-MR数据集最显著的特征在于其多参考试穿的创新设计理念，突破了传统单品类试穿的局限。数据集囊括的28K+样本均经过严格的兼容性验证，确保服装搭配符合真实时尚场景。高分辨率图像质量与精细的服饰标注为算法提供了精准的学习素材，而多品类组合特性则有效支持了复杂穿搭场景下的虚拟试穿研究。数据集的学术导向特性体现在其严格的访问机制，要求使用者必须通过教育机构邮箱申请，并预先获得原始数据集授权，这种设计既保护了知识产权，又维护了学术研究的规范性。

使用方法

该数据集的使用需遵循标准化的技术流程，研究者可通过Hugging Face平台获取授权访问。典型应用场景包括使用FastFit等专用框架进行多参考虚拟试穿模型的训练与评估，配套提供的Python脚本支持批量推理与指标计算功能。数据集兼容主流的深度学习工具链，用户可通过修改infer_datasets.py脚本参数灵活选择测试模式（配对/非配对），并利用eval.py脚本进行PSNR、SSIM等客观指标的系统评估。为提升使用便捷性，项目方还提供了Gradio交互式演示界面和ComfyUI工作流方案，支持研究者快速验证算法效果。

背景与挑战

背景概述

DressCode-MR数据集由LavieAI和LoomlyAI支持，于2025年6月24日发布，是基于原始DressCode数据集扩展而来的多参考虚拟试穿数据集。该数据集包含28,179个高质量样本，涵盖上衣、下装、连衣裙、鞋子和包包等多种时尚单品，旨在推动多参考虚拟试穿技术的研究与应用。其核心研究问题在于如何实现高效、精准的多物品同时试穿，为计算机视觉和时尚领域的交叉研究提供了重要数据支撑。DressCode-MR不仅延续了原始数据集的高质量标准，还通过引入多参考样本，显著拓展了虚拟试穿技术的应用场景和研究深度。

当前挑战

DressCode-MR数据集面临的挑战主要体现在两个方面：在领域问题层面，多参考虚拟试穿需要解决不同物品之间的兼容性建模、复杂遮挡关系处理以及人体姿态自适应等难题，这对算法的鲁棒性和泛化能力提出了极高要求；在构建过程中，数据集需确保多参考物品的时尚协调性，同时维持高分辨率图像质量，并解决原始数据标注的稀疏性问题。此外，严格的学术授权机制虽然保障了数据使用的规范性，但也增加了研究者获取数据的门槛。

常用场景

经典使用场景

在虚拟试衣技术领域，DressCode-MR数据集以其多参考样本特性成为研究热点。该数据集广泛应用于多物品虚拟试衣系统的开发与优化，支持同时试穿上衣、裤子、裙子、鞋子和包包等多种服饰配件。其28K+的高质量样本为算法训练提供了丰富的数据基础，特别适合用于测试模型在复杂多物品组合场景下的性能表现。

解决学术问题

DressCode-MR数据集有效解决了虚拟试衣领域多物品协同试穿的学术难题。传统虚拟试衣系统往往局限于单一物品的试穿效果，而该数据集通过提供兼容的服饰组合样本，使研究者能够探索多物品之间的搭配关系。这不仅推动了多参考虚拟试衣算法的发展，也为服饰兼容性建模、跨品类服饰合成等前沿研究方向提供了数据支撑。