Voost

一个模型搞定穿脱衣服，双向虚拟换装更自然

Voost 是一个基于扩散 Transformer 的统一框架，用于双向虚拟试穿（try-on）和虚拟脱衣（try-off）。它解决了传统虚拟试穿模型只能单向处理、且难以在保持服装细节和人物姿态的同时生成自然效果的问题。其核心能力包括：通过统一的扩散 Transformer 架构，同时支持将服装穿到模特身上和从模特身上移除服装；利用可扩展的模型设计，适应不同分辨率和复杂场景；结合图像修复技术，处理遮挡和边缘衔接，生成高保真、细节丰富的图像。项目在 SIGGRAPH Asia 2025 发表，目前处于早期阶段，代码和模型尚未完全开放，但展示了在时尚电商、虚拟内容创作等领域的应用潜力。

开源 unknown 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 344

维护状态低维护

是否开源是

定价模式 unknown

项目数据

分类图像生成

开发团队nxnai

所属国家

官网地址https://nxnai.github.io/Voost

GitHubhttps://github.com/nxnai/Voost

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议NOASSERTION

主要语言

技术栈/模型diffusion-models,diffusion-transformer,image-editing,image-generation,image-inpainting,virtual-try-off,virtual-try-on

GitHub 星标★ 344

30天Star增速

HF 下载量

上线时间2025-07-26 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

核心亮点

统一架构同时支持试穿和试脱，无需多个模型
基于扩散 Transformer，可扩展性强，能处理高分辨率图像
在保持服装细节和人物姿态方面效果优于现有方法

不足之处

代码和预训练模型尚未完全开源，复现门槛高
文档和社区支持待观察

适用场景

电商平台虚拟试衣间，用户预览服装上身效果
时尚设计辅助，快速生成模特穿着或脱卸服装的参考图
虚拟内容创作，如游戏或影视中角色换装

替代项目

OOTDiffusion、DCI-VTON、StableVITON

项目介绍

Voost 是图像领域的开源项目，由 nxnai 开发，2025 年首次发布。

它收录于图像分类，该分类目前共有 839 个项目，GitHub 星标数为 344。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。从国内网络环境看，可直接访问。

它主要面向的使用场景是：电商平台虚拟试衣间，用户预览服装上身效果。同类可对比的替代方案包括 OOTDiffusion、DCI-VTON、StableVITON。

上一篇：the-og

下一篇：stable-diffusion-cpp-python