1 前言
传统线上购物，消费者常因无法直观感受服装上身效果，面临样式不合、款式不搭等困扰，导致退货率居高不下。925 JDD 大会发布的京东AI 试穿 Oxygen Tryon，借助先进的AI技术，完美攻克这一难题，消费者购买服饰时可进入AI试穿，只需上传照片，即可迅速 “试穿” 品牌的服装，真实呈现服装的版型、颜色、纹理上身效果。这种沉浸式、个性化的购物体验，让消费者购物决策更轻松，极大提升品牌服饰购物满意度，降低退货率。
2 背景介绍
2.1 业务场景
线上电商购物模式下，消费者在选购服装时，往往只能通过静态图片和文字描述来想象衣服上身的效果。这种信息获取方式存在极大的局限性，导致消费者在收到商品后，因实际穿着效果与预期不符而产生大量退换货。据相关数据显示，时尚电商领域的平均退货率高达 30% - 40%，部分商家甚至更高。这不仅给消费者带来了糟糕的购物体验，也让商家承受着高昂的运营成本。
对于商家而言，高退货率意味着物流成本的增加、商品损耗的加剧以及客服压力的增大。同时，低效的转化也限制了业务的增长速度。如何提升消费者的购物体验，降低退货率，提高转化率，成为了时尚电商行业亟待解决的关键问题。
2.2 技术挑战
从 2015 年开始，行业内开始探索 AI 试穿技术的落地应用。早期以 GAN 图像合成技术为核心，通过静态图像叠加与简单变形实现试穿效果，存在无法模拟肢体动作、服装褶皱与面料垂坠感缺失等局限；中期转向实时人体追踪与 AR 技术结合的 2.5D 模型动态叠加方案，虽实现了基础动态交互，但在服装真实感、复杂动作适配性上仍有不足；
肢体动作、服装真实感、复杂场景适应、光影和谐度都是我们需要挑战的技术难点。
| 核心技术 | 特点 | 代表方案 | |
|---|---|---|---|
| 2015-2019 | GAN 图像合成 | 以静态图像叠加与简单变形为核心，依赖基础图像处理算法实现试穿效果。效果局限：无法模拟肢体动作，服装褶皱、面料垂坠感完全缺失，背景复杂时易出现边缘模糊、叠加错位问题。 | VITON、淘宝早期试衣间
 |
| 2020-2023 | 实时人体追踪 + AR | 技术核心转向实时人体追踪与 2.5D 模型叠加，结合 AR 技术实现简单动态交互。 效果局限：服装真实感、动态适配性和复杂场景适应性方面 | 优衣库 AR 试衣镜、Snapchat 试穿
 |
| 2024+ | 扩散模型与多模态融合架构 | 高精度解析 - 生成式融合 - 高清渲染 | Google Tryon
 |
3 技术实践
Oxygen Tryon首先对模特进行人体关键点提取和解析，并结合服饰类型，对模特对应区域进行mask，得到mask之后的模特图之后利用Redux模型对衣服进行特征提取，并将提取到的特征作为prompt_embed特征输入到Fluxfill模型。
3.1 技术创新
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
3.2 生成效果展示
| 服装 | 消费者原照片 | AI试穿Oxygen Tryon生成效 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
 |
4 未来展望
未来，AI 试穿 Oxygen Tryon 还有巨大的发展空间。
在业务合作上，我们希望与更多的时尚品牌达成合作，将 Oxygen Tryon 推广到更广泛的市场中，助力行业整体提升用户体验和商业效益。预计京东11.11，将有超过30个品牌，10万+SKU服饰商品实现AI试穿体验。
在算法升级上，将继续攻克技术难点，提升模型效果，包括：
在功能拓展方面，我们计划引入更多的个性化元素，如根据用户的肤色、发型、面部特征等，提供更贴合用户形象的穿搭建议，并与尺码助手结合，给用户提供试衣效果确认+尺码推荐的完整决策链路。同时，我们将探索更多时尚品类的试穿、试戴能力，如鞋靴、珠宝首饰、眼镜、配饰等。
相信在全体团队成员的共同努力下，AI 试穿 Oxygen Tryon 将持续引领时尚电商技术创新的潮流，为行业带来更多的惊喜与变革。