CatVTON

CatVTON 是一个做虚拟试衣的开源模型：给它一张人物照和一张衣服平铺图，它把衣服「穿」到人身上，输出一张换装后的图。项目由 Zheng-Chong 发布，论文被 ICLR 2025 接收，代码和权重都放在 GitHub 上，可以自己下载部署。

它和常见的「先分割、再形变、最后贴图」流程不同，思路是把衣服特征和人像特征直接拼接进扩散模型，省掉中间的形变网络，所以结构简单、训练和推理都轻。作者给出的数字是整体网络约 899.06M 参数，可训练参数 49.57M，1024×768 分辨率下推理占用不到 8G 显存。

能做什么

• 人像 + 衣服图生成试穿效果，支持无掩码版本，不用先手工画衣服区域
• 提供推理代码、权重和评估代码，可以复现论文指标
• 附带 Gradio 应用，本地起一个网页界面就能试
• 有 ComfyUI 工作流，能接进现有的绘图流程
• 后续放出 CatVTON-FLUX（基于 FLUX.1-Fill-dev 的轻量 LoRA）和 CatV2TON，后者支持图片和视频试穿

怎么用

它不是打开网页就能用的成品，需要一点动手能力：建 conda 环境、装 requirements、下载权重，再跑 inference.py 或 app.py。官方在 HuggingFace Space 上留了在线演示，不想配环境可以先在那里试效果。项目更新记录里提到过演示页曾临时下线，在线入口是否一直可用要以仓库说明为准。

适合谁

做服装电商图、虚拟模特内容的人可以拿它批量出图；研究试穿算法的学生和开发者更适合，因为代码、权重、评估脚本齐全，方便改结构做对比实验。只想上传两张图看结果、不打算碰命令行的普通用户，用起来门槛偏高。

费用与限制

代码开源，模型权重免费下载，没有订阅费用。显存要求不算高但也不是零门槛，跑 1024×768 仍需要一块 8G 以上的显卡；生成质量受人物姿态、衣服版型和背景影响，复杂遮挡下容易出瑕疵。仓库界面为英文，文档和 issue 也以英文为主。