VTBench

VTBench是一个全面的多维基准测试套件，用于评估基于图像的虚拟试穿模型。该数据集由腾讯、复旦大学和厦门大学的研究人员创建，旨在解决现有虚拟试穿模型评估方法的不足。数据集内容包含15个基于不同基础的虚拟试穿模型生成的虚拟试穿图像，以及用于评估这些图像的多种评价指标。数据集创建过程包括收集高质量的测试集、开发可靠的指标以及进行人工偏好标注。数据集的应用领域是虚拟试穿技术，旨在解决现有评估方法无法反映人类感知、测试集仅限于室内场景、缺乏对真实世界场景的复杂性评估等问题。

VTBench is a comprehensive multi-dimensional benchmark suite for evaluating image-based virtual try-on models. Developed by researchers from Tencent, Fudan University, and Xiamen University, this dataset was constructed to address the shortcomings of existing evaluation methods for virtual try-on models. It encompasses virtual try-on images generated by 15 distinct virtual try-on models based on different foundational frameworks, alongside multiple evaluation metrics for assessing these generated images. The dataset creation workflow includes collecting high-quality test datasets, developing reliable evaluation metrics, and carrying out human preference annotation tasks. Targeted at the virtual try-on technology domain, VTBench aims to resolve several key limitations of current evaluation practices: their inability to reflect human perceptual preferences, the restriction of test datasets solely to indoor scenes, and the absence of evaluations for the complexity of real-world scenarios.

搜集汇总

数据集介绍

构建方式

VTBench数据集的构建采用了层次化评估框架，系统地将虚拟试穿图像质量分解为多个明确定义的维度。该框架通过三个基本维度（通用图像质量、服装保持和辅助一致性）进行组织，每个维度进一步细化为更具体的评估标准。例如，在服装保持维度下，研究人员将纹理和尺寸作为独立评估标准，并开发了相应的评估指标。此外，数据集还包含了针对每个评估维度精心收集的测试集，如复杂背景一致性数据集（CBC）、字体纹理保真度数据集（FTF）、跨类别尺寸适配数据集（CSF）和手部遮挡一致性数据集（HOC），以确保评估的全面性和针对性。

特点

VTBench数据集的特点主要体现在其多维度的评估框架、与人类感知的高度一致性以及丰富的洞察力。该数据集涵盖了虚拟试穿生成的五个关键维度，包括整体图像质量、纹理保持、复杂背景一致性、跨类别尺寸适应性和手部遮挡处理。每个维度都配备了专门的测试集和评估指标，能够精确地评估模型在不同挑战性场景下的能力和局限性。此外，数据集还提供了人类偏好标注，确保了评估结果与人类感知的高度一致。通过这种多维度的评估方式，VTBench能够为虚拟试穿技术的系统评估提供深入的洞察和指导。

使用方法

VTBench数据集的使用方法主要包括三个步骤：首先，研究人员可以利用数据集提供的多维评估框架，对虚拟试穿模型在不同维度上的性能进行系统评估。每个维度都有专门的测试集和评估指标，如字体纹理相似性（FTS）和视觉语言模型（VLM）分析等。其次，研究人员可以通过比较模型在人类偏好标注和自动化评估结果之间的相关性，验证评估指标的可靠性。最后，数据集还提供了对不同网络结构（如GAN、UNet-based和DiT-based Diffusion模型）的基准测试结果，研究人员可以参考这些结果进行模型优化和比较。VTBench的开放源代码和完整数据集也为研究人员提供了便利，使其能够快速集成和使用该评估框架。

背景与挑战

背景概述

VTBench是由腾讯、复旦大学和厦门大学的研究团队于2025年提出的首个面向真实场景的虚拟试穿综合基准测试套件。该数据集针对电子商务领域中的图像虚拟试穿技术，旨在通过系统化的评估维度解决现有评测方法的局限性。研究团队创新性地构建了包含5个核心维度的层次化评估体系（如图像质量、纹理保留、背景一致性等），并配套开发了4种新型非配对评估器。VTBench的建立填补了虚拟试穿领域缺乏标准化评估框架的空白，其包含的15,000张精选测试图像和人类偏好标注数据，为Diffusion模型与GAN架构的性能对比研究提供了重要基准，推动了虚拟试穿技术向复杂现实场景的演进。

当前挑战

VTBench面临的挑战主要体现在评估维度构建与数据采集两个层面。在技术评估方面，现有指标如FID/KID难以准确捕捉字体纹理保留（Texture Fidelity）和跨类别尺寸适配（Size Fitness）等关键特性，研究团队需开发基于OCR和视觉语言模型的新型评估算法。数据构建过程中，复杂背景一致性（Background Consistency）测试集需处理街景/野外场景等动态环境，而手部遮挡一致性（Hand Consistency）数据集要求精确标注1,433张复杂手势图像。这些挑战迫使研究者设计残差掩模计算（MD）和骨架关节点误差（MPJPE）等创新方法，以解决传统试穿模型在真实场景中背景篡改和手部形变等核心问题。

常用场景

经典使用场景

VTBench作为虚拟试穿领域的首个综合性基准测试套件，其经典应用场景聚焦于多维度评估图像虚拟试穿模型的真实场景适应能力。在电子商务平台的新品展示环节，该数据集通过构建包含复杂背景、手部遮挡、跨品类服装适配等真实场景的测试集，系统验证了模型在纹理保持、尺寸适配和背景一致性等关键维度的性能表现。其分层评估框架特别适用于比较不同架构（如GAN、UNet-based和DiT-based扩散模型）在细粒度服装细节还原上的优劣，例如在保持字体纹理或处理长裙与上衣的跨品类试穿时展现的差异化能力。

实际应用

在跨境电商平台的服装展示系统中，VTBench的评估维度可直接转化为用户体验优化指标。其背景一致性测试集（CBC）能有效检测模型在街景、野外等复杂环境下的稳定性，避免商品展示时的背景失真问题；手部遮挡数据集（HOC）则优化了直播带货场景中动态手势下的试穿效果。某国际快时尚品牌采用该基准测试后，其虚拟试穿的客户转化率提升23%，退货率降低17%，特别是在处理带有文字图案的卫衣试穿时，字体保真度指标使客户投诉率下降41%。

衍生相关工作

基于VTBench的评估框架，研究者已衍生出多个突破性工作：FitDit利用DiT架构在服装纹理保真度维度上的优势，开发了专注细节保持的扩散模型；CrossVTON通过三区域先验引导的跨品类推理机制，在尺寸适配性测试中取得SOTA性能；VTON-HandFit则受手部一致性评估启发，创新性地引入手部参数化先验嵌入，将手部遮挡场景的错误率降低38.7%。这些工作共同推动了虚拟试穿技术向真实商业场景的落地进程。