1 前言

傳統線上購物，消費者常因無法直觀感受服裝上身效果，面臨樣式不合、款式不搭等困擾，導致退貨率居高不下。925 JDD 大會發布的京東AI 試穿 Oxygen Tryon，藉助先進的AI技術，完美攻克這一難題，消費者購買服飾時可進入AI試穿，只需上傳照片，即可迅速 “試穿” 品牌的服裝，真實呈現服裝的版型、顏色、紋理上身效果。這種沉浸式、個性化的購物體驗，讓消費者購物決策更輕鬆，極大提升品牌服飾購物滿意度，降低退貨率。​





2 背景介紹

2.1 業務場景

線上電商購物模式下，消費者在選購服裝時，往往只能通過靜態圖片和文字描述來想象衣服上身的效果。這種信息獲取方式存在極大的侷限性，導致消費者在收到商品後，因實際穿着效果與預期不符而產生大量退換貨。據相關數據顯示，時尚電商領域的平均退貨率高達 30% - 40%，部分商家甚至更高。這不僅給消費者帶來了糟糕的購物體驗，也讓商家承受着高昂的運營成本。​

對於商家而言，高退貨率意味着物流成本的增加、商品損耗的加劇以及客服壓力的增大。同時，低效的轉化也限制了業務的增長速度。如何提升消費者的購物體驗，降低退貨率，提高轉化率，成為了時尚電商行業亟待解決的關鍵問題。



2.2 技術挑戰

從 2015 年開始，行業內開始探索 AI 試穿技術的落地應用。早期以 GAN 圖像合成技術為核心，通過靜態圖像疊加與簡單變形實現試穿效果，存在無法模擬肢體動作、服裝褶皺與面料垂墜感缺失等侷限；中期轉向實時人體追蹤與 AR 技術結合的 2.5D 模型動態疊加方案，雖實現了基礎動態交互，但在服裝真實感、複雜動作適配性上仍有不足；

肢體動作、服裝真實感、複雜場景適應、光影和諧度都是我們需要挑戰的技術難點。



3 技術實踐

Oxygen Tryon首先對模特進行人體關鍵點提取和解析，並結合服飾類型，對模特對應區域進行mask，得到mask之後的模特圖之後利用Redux模型對衣服進行特徵提取，並將提取到的特徵作為prompt\_embed特徵輸入到Fluxfill模型。





3.1 技術創新

•精準身材識別： 京東自研算法，精準分析消費者的身材維度，確保服裝在AI試穿中能根據不同身材特徵自然垂墜、貼合身形，展現出最佳穿着狀態，如同為每位消費者量身定製。​

•

•逼真材質渲染： 對各類服裝材質，如柔軟的棉質、光滑的絲綢、挺括的牛仔等，進行高精度材質渲染。模擬不同材質在光線下的反射、折射效果，以及衣物的褶皺、紋理細節，讓消費者通過屏幕就能感受到服裝的真實質感，增強商品吸引力。​

•高效快速生成： 消費者發起AI試穿請求後，能在7秒內生成高清試穿效果圖，流暢的交互體驗避免等待焦慮，讓消費者能夠快速嘗試多款服裝，提升購物效率與樂趣。​

•智能搭配推薦： 通過多模態理解模型，推薦搭配並支持全身試穿，幫消費者輕鬆解鎖完整穿搭方案。



3.2 生成效果展示

4 未來展望

未來，AI 試穿 Oxygen Tryon 還有巨大的發展空間。

在業務合作上，我們希望與更多的時尚品牌達成合作，將 Oxygen Tryon 推廣到更廣泛的市場中，助力行業整體提升用户體驗和商業效益。預計京東11.11，將有超過30個品牌，10萬+SKU服飾商品實現AI試穿體驗。

在算法升級上，將繼續攻克技術難點，提升模型效果，包括：

•提升服裝在試穿前後的一致性保持，特別是存在複雜紋理，圖案，細小文字和logo的服裝。

•提升難度較大的服裝材質與物理屬性的真實模擬，不僅要“貼合”人體，還要準確模擬布料在重力、摩擦下的動態形變和視覺表現。

在功能拓展方面，我們計劃引入更多的個性化元素，如根據用户的膚色、髮型、面部特徵等，提供更貼合用户形象的穿搭建議，並與尺碼助手結合，給用户提供試衣效果確認+尺碼推薦的完整決策鏈路。同時，我們將探索更多時尚品類的試穿、試戴能力，如鞋靴、珠寶首飾、眼鏡、配飾等。

相信在全體團隊成員的共同努力下，AI 試穿 Oxygen Tryon 將持續引領時尚電商技術創新的潮流，為行業帶來更多的驚喜與變革。