随着直播电商、数字人内容产业的快速发展，视频虚拟试穿技术成为降低电商退换货成本、提升消费体验、丰富数字人表现力的核心技术方向，但长期以来，该领域的训练数据集多集中于室内受控拍摄场景，缺乏复杂野外环境下的真实样本，极大制约了AI算法的泛化能力与商用落地效果。2026年4月30日，南京大学牵头的研发团队于预印本平台arXiv正式发布TripVVT-10K数据集，这是目前行业内首个大规模野外视频虚拟试穿三元组数据集。据介绍，该数据集共包含10,031个分辨率为720×1280的高分辨率视频样本，覆盖30种常见服装类别以及街景、景区、商圈等多种复杂室外场景，有效补齐了现有数据集的场景短板。在构建流程上，该数据集采用自动化合成流程搭建：原始视频经合规网络爬取后，研发团队采用Wan-Animate框架生成高质量服装交换视频，同时结合Nano Banana技术精准提取服装参考图像，保障了数据集的标注精度与样本质量。TripVVT-10K的核心价值在于首次提供了视频级跨服装监督信号，解决了此前虚拟试穿训练数据普遍缺乏真实场景多样性的行业痛点。从应用方向来看，该数据集可广泛支撑电子商务、数字人创建等领域的技术研发：在电商场景中，可助力算法实现用户上传个人视频后动态展示全场景下的穿搭效果、虚拟主播直播过程中实时更换服装款式等功能，有效降低服饰类商品的退换货率，提升线上消费体验；在数字人领域，可为虚拟偶像、数字员工的服装快速迭代、自定义穿搭功能研发提供数据支撑，同时也能为元宇宙场景下虚拟形象的实时服装更换技术提供训练基础。作为AI垂直应用领域的高质量训练数据集，TripVVT-10K的发布也为数据要素市场的垂直品类数据供给提供了参考样本，将有效推动视频虚拟试穿技术的迭代速度，加速相关技术从实验室走向商用落地，助力服饰电商、数字内容产业的数字化升级。
详情页内容：
_1769672084863.jpg)