Oxygen-TryOn：面向全品項虛擬試穿的時尚原生基礎模型
為何重要
這項技術突破將虛擬試穿從單一功能的編輯工具，推進為具備多物件協調能力的基礎模型，表明時尚領域的生成式 AI 正走向通用化與指令遵循。對於開發者而言，提供了在強一致性與真實感之間取得平衡的實務範本；對於產業，其開源性降低了進入門檻，未來可能在電商與時尚品牌數位轉型中提供更具靈活性的整合方案。
Oxygen-TryOn 是一個全新的統一基礎模型，能夠透過專用的資料引擎與訓練流程，將通用影像編輯轉化為指令導向的生成任務，支援單或多參考衣物的自由組合與姿勢轉換。
- 與以往僅限少數類別或工作室環境的系統不同，該模型支援全身與半身視角、變數量的參考物品以及自由多物品組合，並確保 faithfully（忠實地）保留主體身份與衣物外觀。
- 技術架構採用三階段訓練法：延續預訓練（CPT）、有監督微調（SFT）與強化學習（RL），其中 RL 階段結合內部獎勵模型與原則引導的通用模型來監督細緻一致性和指令品質。
- 在公開基準測試及其內部「Oxygen-TryOn Bench」上，該模型在單一物品試穿的真實感與一致性上達到 SOTA，並超越私有系統與開源模型（如 FLUX.2）。