awesome-virtual-try-on

虚拟试穿论文代码数据集一站找齐，省去全网翻找

这是一个围绕虚拟试穿（Virtual Try-On）方向的精选资源合集，系统整理了相关的研究论文、开源项目、代码实现、数据集与学术工作坊。虚拟试穿要解决的是电商和时尚场景中用户无法直观看到服装上身效果的问题，涉及2D图像合成与3D人体建模两条技术路线。该项目本身不提供算法，而是作为索引把分散在顶会论文、GitHub仓库和公开数据集中的资源按主题归类，方便研究者快速定位基线方法、评测数据和可复现代码。核心能力在于覆盖面广、分类清晰、持续更新，涵盖从早期图像变形方法到基于扩散模型的最新生成方案，同时收录服装分割、姿态估计等配套任务资源，是进入该领域时省去大量检索成本的入口型清单。

开源 free 行业应用

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3176

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类行业应用

开发团队minar09

所属国家

官网地址

GitHubhttps://github.com/minar09/awesome-virtual-try-on

定价模式free

价格说明开源免费资源列表

访问状态

是否开源是

开源协议

主要语言

技术栈/模型2d-virtual-try-on,3d-virtual-try-on,awesome-list,awesome-lists,cloth,collection,curated,curated-list,fashion,fashion-tech,garment,image,image-based,multi-pose,multi-pose-guided,try-on,video,video-virtual-try-on,virtual-try-on,vton

GitHub 星标★ 3176

30天Star增速

HF 下载量

上线时间2020-06-20 00:00:00

最近更新2026-09-20 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-21

浏览次数0

使用教程

难度：入门约 5 分钟部署方式：库/依赖 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

能访问 GitHub 的网络环境
已安装 git（用于克隆仓库）
可阅读 Markdown 的编辑器或浏览器
无需 Python、CUDA 等运行环境（仅阅读清单）

安装与启动步骤

1克隆资源仓库

把这份精选清单下载到本地，方便离线检索和后续跟进更新。仓库体积很小，几秒即可完成。
```
git clone https://github.com/minar09/awesome-virtual-try-on.git
```
2进入仓库目录

进入克隆下来的目录，里面主要是 README.md 这一份清单文件。
```
cd awesome-virtual-try-on
```
3浏览分类章节

打开 README.md，按 Prompt-based、Image-based (2D)、3D、Datasets 等章节浏览，先定位自己关心的方向。
4跳转具体子项目

清单每条只给链接和一句提示，点开对应论文或 GitHub 仓库，按其自身 README 决定如何安装运行。

如何确认成功

本地目录下能看到 README.md，且文件内包含 Prompt-based Virtual Try-on、Datasets for Virtual Try-on 等章节标题。

常见问题

Q：克隆下来后能直接做虚拟试穿吗？

A：不能。该项目只是资源索引清单，本身不含任何算法或推理代码，需要跳转到清单里的具体子项目才能实际运行。

Q：怎么找到可复现的代码实现？

A：在对应分类章节中点击条目链接进入第三方 GitHub 仓库，代码与安装说明都在那些子仓库里，不在本清单中。

Q：数据集在哪里找？

A：查看 README 中的 Datasets for Virtual Try-on 章节，里面集中列出了该领域常用公开数据集及其链接。

Q：需要配置 Python 或 GPU 环境吗？

A：只是阅读清单不需要。只有当你想运行清单里某个具体子项目时，才需要按那个项目的要求准备 Python、PyTorch 或 GPU。

注意事项

README 中未提供任何安装命令，本教程只覆盖获取与使用这份清单本身。
清单内所有方法均为第三方实现，代码许可、依赖和运行要求各不相同，需逐个仓库确认。
部分论文与仓库链接可能随时间失效，可用论文标题在 arXiv 或 GitHub 上重新检索。

核心亮点

按2D/3D、数据集、论文、代码等维度分类，检索路径清晰
覆盖扩散模型等最新生成式试穿方案，跟进速度快
同时收录数据集与评测基准，便于做对比实验和复现

不足之处

仅为资源索引，不含可直接运行的完整系统或部署方案
条目质量与维护依赖社区提交，部分链接可能滞后

适用场景

研究生调研虚拟试穿方向时快速建立文献地图
工程师为电商试穿功能选型时对比可用开源方案
团队寻找训练数据集和评测基准用于模型开发

替代项目

awesome-fashion-ai、virtual-try-on-papers

项目介绍

awesome-virtual-try-on 是行业应用领域的开源项目，由 minar09 开发，2020 年首次发布。

在全站 12,822 个收录项目中，它的 GitHub 星标数（3,176）位列前 30%，在行业应用分类的 537 个项目里位列前 9%。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-20。开源免费资源列表。

它主要面向的使用场景是：研究生调研虚拟试穿方向时快速建立文献地图。同类可对比的替代方案包括 awesome-fashion-ai、virtual-try-on-papers。

上一篇：mne-bids-pipeline

下一篇：Awesome-Radiology-Report-Generation