Yong Liu氏ら研究チームは7月23日(現地時間)、あらゆるファッションアイテムの仮想試着に対応する基盤モデル「Oxygen-TryOn (Oxygen-TryOn)」を発表した。同モデルは汎用画像エディタとは異なり、ファッションに特化したデータエンジンと試着専用の訓練を通じて構築されており、写実的な着用画像を生成する。
Oxygen-TryOnは、一つ以上の参照アイテム（商品画像や着用写真）と一枚の対象人物画像から、人物がそのアイテムを着用している写実的な画像を生成する。従来のシステムがスタジオ設定で単一の衣服カテゴリを扱うのに対し、Oxygen-TryOnは全身・半身ビュー、可変数の参照、自由な複数アイテムの構成など、多様なアイテムとシナリオをサポートする。同時に、人物の同一性とアイテムの外観を忠実に保持する。
同モデルは、マスクベースのインペインティングではなく、複数参照による理解駆動型の生成タスクとして試着を再定式化している。大規模な高品質試着データを収集、製造、注釈付け、フィルタリングするデータエンジンを構築し、継続事前学習 (CPT)、教師ありファインチューニング (SFT)、強化学習 (RL) の3段階のレシピを採用している。強化学習段階では、社内の試着報酬モデルと、独自のルーブリックガイド型汎用モデルを組み合わせたハイブリッド報酬を使用し、きめ細かい一貫性と命令レベルの品質を共同で監視する。
Oxygen-TryOnは、公開ベンチマークおよび社内ベンチマークOxygen-TryOn Benchにおいて、単一アイテム試着で最新の一貫性とリアリズムを達成し、複数アイテム試着では業界をリードしている。これにより、主要な独自のシステム（Nano Banana Pro、GPT-Image-2、Seedream5 Lite）およびオープンソースモデル（FLUX.2）の両方と同等か、それ以上の性能を示している。
参考: arXiv cs.CV — 2026年7月27日 13:00 (JST)