1 前言

傳統(tǒng)線上購物，消費者常因無法直觀感受服裝上身效果，面臨樣式不合、款式不搭等困擾，導致退貨率居高不下。925 JDD 大會發(fā)布的京東AI 試穿 Oxygen Tryon，借助先進的AI技術，完美攻克這一難題，消費者購買服飾時可進入AI試穿，只需上傳照片，即可迅速 “試穿” 品牌的服裝，真實呈現(xiàn)服裝的版型、顏色、紋理上身效果。這種沉浸式、個性化的購物體驗，讓消費者購物決策更輕松，極大提升品牌服飾購物滿意度，降低退貨率。?

2 背景介紹

2.1 業(yè)務場景

線上電商購物模式下，消費者在選購服裝時，往往只能通過靜態(tài)圖片和文字描述來想象衣服上身的效果。這種信息獲取方式存在極大的局限性，導致消費者在收到商品后，因?qū)嶋H穿著效果與預期不符而產(chǎn)生大量退換貨。據(jù)相關數(shù)據(jù)顯示，時尚電商領域的平均退貨率高達 30% - 40%，部分商家甚至更高。這不僅給消費者帶來了糟糕的購物體驗，也讓商家承受著高昂的運營成本。?

對于商家而言，高退貨率意味著物流成本的增加、商品損耗的加劇以及客服壓力的增大。同時，低效的轉(zhuǎn)化也限制了業(yè)務的增長速度。如何提升消費者的購物體驗，降低退貨率，提高轉(zhuǎn)化率，成為了時尚電商行業(yè)亟待解決的關鍵問題。

2.2 技術挑戰(zhàn)

從 2015 年開始，行業(yè)內(nèi)開始探索 AI 試穿技術的落地應用。早期以 GAN 圖像合成技術為核心，通過靜態(tài)圖像疊加與簡單變形實現(xiàn)試穿效果，存在無法模擬肢體動作、服裝褶皺與面料垂墜感缺失等局限；中期轉(zhuǎn)向?qū)崟r人體追蹤與 AR 技術結合的 2.5D 模型動態(tài)疊加方案，雖實現(xiàn)了基礎動態(tài)交互，但在服裝真實感、復雜動作適配性上仍有不足；

肢體動作、服裝真實感、復雜場景適應、光影和諧度都是我們需要挑戰(zhàn)的技術難點。

	核心技術	特點	代表方案
2015-2019	GAN 圖像合成	以靜態(tài)圖像疊加與簡單變形為核心，依賴基礎圖像處理算法實現(xiàn)試穿效果。 效果局限：無法模擬肢體動作，服裝褶皺、面料垂墜感完全缺失，背景復雜時易出現(xiàn)邊緣模糊、疊加錯位問題。	VITON、淘寶早期試衣間
2020-2023	實時人體追蹤 + AR	技術核心轉(zhuǎn)向實時人體追蹤與 2.5D 模型疊加，結合 AR 技術實現(xiàn)簡單動態(tài)交互。 效果局限：服裝真實感、動態(tài)適配性和復雜場景適應性方面	優(yōu)衣庫 AR 試衣鏡、Snapchat 試穿
2024+	擴散模型與多模態(tài)融合架構	高精度解析 - 生成式融合 - 高清渲染	Google Tryon

3 技術實踐

Oxygen Tryon首先對模特進行人體關鍵點提取和解析，并結合服飾類型，對模特對應區(qū)域進行mask，得到mask之后的模特圖之后利用Redux模型對衣服進行特征提取，并將提取到的特征作為prompt_embed特征輸入到Fluxfill模型。

3.1 技術創(chuàng)新

3.2 生成效果展示

服裝	消費者原照片	AI試穿Oxygen Tryon生成效

4 未來展望

未來，AI 試穿 Oxygen Tryon 還有巨大的發(fā)展空間。

在業(yè)務合作上，我們希望與更多的時尚品牌達成合作，將 Oxygen Tryon 推廣到更廣泛的市場中，助力行業(yè)整體提升用戶體驗和商業(yè)效益。預計京東11.11，將有超過30個品牌，10萬+SKU服飾商品實現(xiàn)AI試穿體驗。

在算法升級上，將繼續(xù)攻克技術難點，提升模型效果，包括：

在功能拓展方面，我們計劃引入更多的個性化元素，如根據(jù)用戶的膚色、發(fā)型、面部特征等，提供更貼合用戶形象的穿搭建議，并與尺碼助手結合，給用戶提供試衣效果確認+尺碼推薦的完整決策鏈路。同時，我們將探索更多時尚品類的試穿、試戴能力，如鞋靴、珠寶首飾、眼鏡、配飾等。

相信在全體團隊成員的共同努力下，AI 試穿 Oxygen Tryon 將持續(xù)引領時尚電商技術創(chuàng)新的潮流，為行業(yè)帶來更多的驚喜與變革。