(1)使用原始数据和预处理模型复制MobiDev公司研究论文中描述的结果：

衣服更换成功(A1-A3)和不成功更换(B1-B3)。

结果：

• B1——修补效果不佳。
• B2——衣服重叠。
• B3——边缘缺陷。

(2)定制服装在默认人物图片中的应用：

使用定制衣服更换衣服。

结果：

• A 行——无缺陷。
• B行——需要纠正的一些缺陷。
• C行——严重缺陷。

(3)将默认服装应用于自定义人物图像

具有无约束环境的图像上的服装更换输出。

• A行——边缘缺陷(轻微)。
• B行——掩饰错误(中等)。
• C行——修复和屏蔽错误(严重)。

(4)定制服装在定制人物形象中的应用：

用不受约束的环境和自定义服装图像替换衣服。

结果：

• A行——从模型中获得的最佳结果。
• B行—— 许多缺陷需要审核。
• C行——最扭曲的结果。

结论

在分析输出时，发现虚拟试衣仍然存在一定的局限性。关键是训练数据应该包含目标布料的配对图像，以及穿着服装的人物。如果给出一个真实世界的业务场景，完成它可能具有挑战性。而这个研究的其他要点是：

• ACGPN模型在来自训练数据集的人物图像上输出相当好的结果，如果应用定制服装项目也是如此的话。
• 当处理在不同光线、不同环境条件和不寻常姿势中拍摄的人的图像时，模型不稳定。
• 用于将虚拟2D服装图像传输到野外人物图像上的虚拟更衣室系统的技术尚未投入商业应用。但是如果条件是静态的，则其预期结果会好得多。
• 阻碍更好模型开发的主要限制因素是缺乏在室外条件下捕获人员的多样化数据集。

总而言之，当前的虚拟试衣间非常适合与身体各个部位有关的项目，例如头部、面部、足部和手臂。但是需要完全检测、估计和修改人体的试穿项目，虚拟试衣间技术仍处于起步阶段。然而，AR技术发展正在突飞猛进，最好的策略是进行调整并不断尝试。