Tstars-Tryon 1.0: Robuuste en Realistische Virtuele Passen voor Diverse Modeartikelen
Tstars-Tryon 1.0: Robust and Realistic Virtual Try-On for Diverse Fashion Items
April 21, 2026
Auteurs: Mengting Chen, Zhengrui Chen, Yongchao Du, Zuan Gao, Taihang Hu, Jinsong Lan, Chao Lin, Yefeng Shen, Xingjian Wang, Zhao Wang, Zhengtao Wu, Xiaoli Xu, Zhengze Xu, Hao Yan, Mingzhou Zhang, Jun Zheng, Qinye Zhou, Xiaoyong Zhu, Bo Zheng
cs.AI
Samenvatting
Recente vooruitgang in beeldgeneratie en -bewerking heeft nieuwe mogelijkheden geopend voor virtueel passen. Bestaande methoden hebben echter nog steeds moeite met complexe eisen uit de praktijk. Wij presenteren Tstars-Tryon 1.0, een virtueel passesysteem op commerciële schaal dat robuust, realistisch, veelzijdig en uiterst efficiënt is. Ten eerste behoudt ons systeem een hoog slagingspercentage bij uitdagende gevallen zoals extreme houdingen, sterke belichtingsvariatie, bewegingsonscherpte en andere real-world omstandigheden. Ten tweede levert het hoogfotorealistische resultaten op met fijnmazige details, waarbij textuureigenschappen, materiaalkenmerken en structurele eigenschappen van kledingstukken nauwgezet worden behouden, terwijl veelvoorkomende door AI gegenereerde artefacten grotendeels worden vermeden. Ten derde ondersteunt ons model, naast kledingpassen, flexibele multi-imagecompositie (tot 6 referentiebeelden) voor 8 modecategorieën, met gecoördineerde controle over persoonidentiteit en achtergrond. Ten vierde is ons systeem, om latentieknelpunten bij commerciële implementatie te overwinnen, sterk geoptimaliseerd voor inferentiesnelheid, waardoor bijna realtime generatie mogelijk is voor een naadloze gebruikerservaring. Deze mogelijkheden worden gerealiseerd door een geïntegreerd systeemontwerp met een end-to-end modelarchitectuur, een schaalbare data-engine, robuuste infrastructuur en een meerfasen trainingsparadigma. Uitgebreide evaluatie en grootschalige productimplementatie tonen aan dat Tstars-Tryon1.0 een leidende algemene prestaties bereikt. Om toekomstig onderzoek te ondersteunen, publiceren wij tevens een uitgebreide benchmark. Het model is op industriële schaal geïmplementeerd in de Taobao-app, waar het miljoenen gebruikers bedient met tientallen miljoenen verzoeken.
English
Recent advances in image generation and editing have opened new opportunities for virtual try-on. However, existing methods still struggle to meet complex real-world demands. We present Tstars-Tryon 1.0, a commercial-scale virtual try-on system that is robust, realistic, versatile, and highly efficient. First, our system maintains a high success rate across challenging cases like extreme poses, severe illumination variations, motion blur, and other in-the-wild conditions. Second, it delivers highly photorealistic results with fine-grained details, faithfully preserving garment texture, material properties, and structural characteristics, while largely avoiding common AI-generated artifacts. Third, beyond apparel try-on, our model supports flexible multi-image composition (up to 6 reference images) across 8 fashion categories, with coordinated control over person identity and background. Fourth, to overcome the latency bottlenecks of commercial deployment, our system is heavily optimized for inference speed, delivering near real-time generation for a seamless user experience. These capabilities are enabled by an integrated system design spanning end-to-end model architecture, a scalable data engine, robust infrastructure, and a multi-stage training paradigm. Extensive evaluation and large-scale product deployment demonstrate that Tstars-Tryon1.0 achieves leading overall performance. To support future research, we also release a comprehensive benchmark. The model has been deployed at an industrial scale on the Taobao App, serving millions of users with tens of millions of requests.