20.500.12556/RUL-181104 Diffusion Models in Virtual Clothing Try-On Difuzijski modeli v virtualnem pomerjanju oblačil Virtual try-on aims to synthesize new garments on a person image while preserving identity, pose, and scene context for applications such as e-commerce and design exploration. This thesis extends DiCTI, a text-guided diffusion inpainting pipeline, to reduce pose drift, improve mask coverage for loose garments, and enable finer fabric control than text alone. To address the limitations the proposed PMFR-DiCTI integrates DensePose-based ControlNet conditioning for pose preservation, a union mask combining DensePose and SegFormer clothing segmentation for more reliable garment masking, fabric reference image conditioning via IP-Adapter and region-selective editing. Evaluation on a VITON-HD subset (2250 generated images) shows improved realism and pose consistency, including a 57% reduction in KID metric and a 53% improvement in pose distance compared to the baseline. A user study with 30 participants further favors PMFR-DiCTI outputs across pose preservation, fabric accuracy, and garment structure with statistically significant preference. This work effectively addresses DiCTI's limitations while preserving zero-shot generalization, providing a practical framework for controllable garment synthesis. Virtualno pomerjanje je namenjeno sintetiziranju novih oblačil na sliki osebe ob hkratnem ohranjanju identitete, poze in konteksta prizora za uporabo v e-trgovini in raziskovanju oblikovanja. To diplomsko delo nadgradi DiCTI, besedilno vodeno difuzijsko metodo za zapolnjevanje slike (angl. inpainting), z namenom zmanjšanja sprememb poze, izboljšanja pokritosti maske pri ohlapnih oblačilih ter omogočanja natančnejšega nadzora nad videzom tkanine kot ga omogoča zgolj besedilo. Za odpravo teh omejitev predlagani PMFR-DiCTI vključuje pogojevanje s ControlNet na osnovi DensePose za ohranjanje poze, združeno masko DensePose in SegFormer segmentacije oblačil za zanesljivejše maskiranje ter pogojevanje z referenčno sliko tkanine prek IP-Adapterja in regijsko selektivno urejanje. Ovrednotenje na podmnožici VITON-HD (2250 generiranih slik) pokaže izboljšan realizem in skladnost poze, vključno z 57% zmanjšanjem metrike KID ter 53% izboljšanjem razdalje poze v primerjavi z izhodiščno metodo. Uporabniška študija s 30 udeleženci dodatno potrdi statistično značilno preferenco izhodov PMFR-DiCTI pri ohranjanju poze, natančnosti tkanine in strukturi oblačila. Delo učinkovito naslovi omejitve DiCTI, pri tem pa ohrani posploševanje brez dodatnega učenja ter zagotovi praktičen okvir za nadzorovano sintezo oblačil. diffusion models virtual try-on stable diffusion ControlNet IP-Adapter difuzijski modeli virtualno pomerjanje stabilna difuzija ControlNet IP-Adapter true false false Angleški jezik Slovenski jezik Diplomsko delo/naloga 2026-03-25 10:10:20 2026-03-25 10:10:26 2026-04-23 11:29:18 0000-00-00 00:00:00 2026 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 38358 276231939 Cvetkovic_Ana_-_Difuzijski_modeli_v_virtualnem_pomerjanju_oblacil.pdf Cvetkovic_Ana_-_Difuzijski_modeli_v_virtualnem_pomerjanju_oblacil.pdf 1 871C82AB50718BD655DADFDB0006599F e12fcae5c7d7762ecb805b7b76aa236bdc29f1503774ee63359cfd2318bbaa23 567a44c4-282a-11f1-b0ab-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=231281 Fakulteta za računalništvo in informatiko 0 0 0