Sur 205 000 essayages générés, le drapé a été validé sur l'apparence et aucun vêtement n'avait de taille
CURVTON-205K, un jeu de données de recherche composé de triplets d'essayage, a été presque entièrement dessiné par FLUX.2 [klein] 9B, puis filtré par un modèle vision-langage et par un filtre entraîné sur une grille de dix questions qui demande si l'ajustement et le drapé paraissent plausibles. Ses personnes portent des tranches d'IMC, ses vêtements aucune étiquette de taille : il peut donc enseigner un drapé crédible, pas un ajustement.

Parallax Pincer
Une tunique blanche est posée à plat sur du béton gris, à manches longues, ornée de broderies géométriques bleues le long de la patte de boutonnage et autour des deux manchettes. Dans trois des quatre essayages qui la font porter à un homme blond aux cheveux longs, agenouillé sur une plage, les manches ont disparu et les manchettes se posent sur des poignets nus ou autour d’une cheville. Le vêtement est un Ghalek, et la figure 13 d’un nouvel article présente cette bande d’images comme un élément de la boucle de nouvelle tentative qui sous-tend CURVTON-205K. Ce jeu de données est censé apprendre aux modèles d’essayage virtuel comment les vêtements se posent sur les corps.
Le texte et l’image ne concordaient pas. Le dictionnaire des vêtements du projet décrit le Ghalek comme une « robe de dessus sans manches tombant jusqu’à la cheville, portée sur un chemisier ». Le code publié transforme ces entrées en première consigne du générateur, après « Fais porter cette robe à cette personne ». Trois rendus suppriment les manches, comme le fait la phrase ; le quatrième les conserve, comme le fait l’image. La légende qualifie les triplets d’acceptés et ne signale aucun artefact ; elle n’indique pas lesquels des quatre le vérificateur a acceptés.
CURVTON-205K, publié le 18 novembre et accepté à WACV 2027, émane de chercheurs de l’IOE Pulchowk Campus (université Tribhuvan) et de NAAMII au Népal, ainsi que de Fogsphere en Grande-Bretagne. Il contient 205 000 triplets d’entraînement et 4 500 triplets de test, chacun composé d’une personne, d’un vêtement et de la personne qui le porte, répartis en niveaux facile, moyen et difficile. FLUX.2 [klein] 9B a dessiné 35 000 vêtements, 41 000 personnes, 300 000 versions retouchées de celles-ci et tous les essayages. Le code publié déplace aussi la caméra sur 15 % des triplets moyens et difficiles, en redessinant la personne et l’essayage avec Qwen Image Edit, un peu comme Phota change l’angle d’un instantané ; l’article ne décrit les changements de caméra que comme des retouches FLUX.
La variété est inscrite dans les prompts. Les personnes sont tirées d’un dictionnaire d’attributs de morphologies, de groupes ethniques, d’arrière-plans et de styles de photo, et un tirage sur cinq comporte un handicap visible, d’un doigt manquant à un fauteuil roulant. La moitié sont demandées comme des prises de vue en studio, l’autre moitié comme des clichés de téléphone. L’article recense 200 types de vêtements, dont beaucoup de traditionnels, et l’annexe montre un qipao, un gomesi et une ie roumaine.
L’ajustement est jugé à l’œil. Qwen3-VL 32B a comparé chaque essayage à sa personne et à son vêtement, puis renvoyé les échecs avec un prompt réécrit, jusqu’à quatre fois. Ses consignes lui donnent la description du vêtement, « sans manches » compris, et lui demandent de vérifier « la forme et la longueur des manches » par rapport à la photo, tout en admettant « les changements naturels de plis, de froissements, de perspective, d’ombrage et de drapé du tissu dus à la morphologie et à la posture de la personne ». L’article indique que les taux d’artefacts de l’ensemble d’entraînement passent de 38 %, 48 % et 60 % (facile, moyen, difficile) à 3 %, 4 % et 5 % après la quatrième passe.
Des annotateurs ont étiqueté 5 000 triplets selon une grille de dix questions, et un petit filtre entraîné sur leurs étiquettes a trié le reste. Une question demande si les plis, l’ajustement et le drapé « réagissent naturellement à la gravité et à la posture de la personne », une autre si l’ensemble paraît « visuellement et physiquement plausible ». Seule une note « sévère » rendait une étiquette négative : un drapé jugé mineur passait donc quand même ; le filtre n’a ensuite retenu que les scores de 0,85 ou plus.
Aucun vêtement figurant dans les dictionnaires, prompts et scripts que publie le dépôt ne reçoit d’étiquette de taille.
Les corps, eux, reçoivent des chiffres, en quelque sorte. Le dictionnaire des personnes croise petit, moyen et grand avec trois tranches d’IMC de 14 à 30 : les tailles sont donc des mots et les poids des fourchettes d’IMC. Une retouche de niveau facile peut rendre une personne « grande taille », avec une « silhouette forte et généreuse ». Les descriptions de vêtements comportent des termes d’ajustement tels que « ajusté », « ample » et « moulant », et les ourlets sont situés par rapport au corps, « longueur genou » ou « tombant à mi-cuisse » ; aucun ne contient de mesure.
Les données synthétiques peuvent embarquer un mètre ruban. FIT, un jeu de données SIGGRAPH 2026, drape des vêtements générés « par simulation physique » et associe plus d’un million de triplets à des « mesures précises du corps et du vêtement ». Ses auteurs écrivent que les méthodes d’essayage actuelles « génèrent par défaut des résultats bien ajustés, quelle que soit la taille du vêtement ou de la personne ». Le prompt d’essayage de CURVTON contient une description du vêtement et aucune mesure.
Sur les propres tests de l’article, les données aident. Ajoutées aux jeux d’entraînement réels, elles ont amélioré la plupart des scores inter-benchmarks de CatVTON, IDM-VTON, StableVITON et OOTDiffusion, et réduit le FID, une distance aux photos réelles, de 4,86 à 8,92 points sur StreetTryOn, où la référence est constituée d’échantillons non appariés issus de différents jeux de données réels. Sur VITON-HD et DressCode, un entraînement sur CURVTON seul reste derrière un entraînement sur données réelles seules pour chaque métrique rapportée, et l’ajouter fait gagner de 0,11 à 0,55 point de FID. Vingt annotateurs, notant avec les mêmes dix questions, ont attribué à OOTDiffusion entraîné sur CURVTON 35 % des votes de qualité, contre 15 % pour le modèle suivant.
La section sur les limites admet que le monde généré pourrait ne pas restituer pleinement les « matériaux des vêtements » et les « interactions personne-vêtement », qui sont pourtant la matière même de l’ajustement. L’article ne teste jamais l’ajustement : ce qui suit relève donc de l’inférence. Un modèle entraîné ainsi apprend à faire tomber un vêtement de façon crédible sur un corps, sans taille à laquelle se tromper. La licence tient cette leçon à l’écart de l’essayage commercial, du moins pour l’instant : CC BY-NC 4.0, plus les conditions non commerciales de FLUX.2 [klein] 9B.