Oxygen-TryOn是一种全新的虚拟试穿基础模型，专为任意物品的试穿而设计，彻底改变了传统试穿系统仅能处理单一品类或仅关注衣物的局限性。与那些从通用图像编辑器改造而来的方法不同，Oxygen-TryOn从数据到训练都围绕试穿任务构建，真正做到了“时尚原生”。它的核心创新在于“多参考理解驱动生成”框架。给定一个或多个参考物品（可以是干净的产品图，也可以是日常穿着的照片）以及一张目标人物图像，Oxygen-TryOn能够合成一张逼真的试穿图像，人物穿着这些物品，几乎涵盖所有时尚品类。无论是全半身视图、可变的参考数量，还是自由组合多件物品，它都能应对，并忠实保留人物身份和物品细节。
为了实现如此强大的能力，研究团队构建了一个专门的数据引擎，用于大规模收集、制造、标注和过滤高质量的试穿数据。训练过程分为三个阶段：持续预训练（CPT）、监督微调（SFT）和强化学习（RL）。在RL阶段，他们设计了一种混合奖励模型，结合了内部的试穿奖励模型和一个专有的基于规则的通用模型，共同监督细粒度的一致性和指令级别的质量。这使得模型不仅能完成基本的试穿，还能服从一般的编辑指令，例如改变姿态。
在公开基准和内部构建的Oxygen-TryOn Bench上，该模型在单物品试穿任务中达到了最先进的一致性和逼真度，在多物品试穿中更是领先。无论是与领先的商业系统（如Nano Banana Pro、GPT-Image-2、Seedream5 Lite）还是开源模型（如FLUX.2）相比，Oxygen-TryOn都展现出了匹敌甚至超越的性能。总之，Oxygen-TryOn为虚拟试穿领域树立了新的标杆，其通用性和高性能有望在电商、时尚设计等场景中发挥重要作用。