Oxygen-TryOn是一種全新的虛擬試穿基礎模型，專為任意物品的試穿而設計，徹底改變了傳統試穿系統僅能處理單一品類或僅關注衣物的侷限性。與那些從通用圖像編輯器改造而來的方法不同，Oxygen-TryOn從數據到訓練都圍繞試穿任務構建，真正做到了“時尚原生”。它的核心創新在於“多參考理解驅動生成”框架。給定一個或多個參考物品（可以是乾淨的產品圖，也可以是日常穿着的照片）以及一張目標人物圖像，Oxygen-TryOn能夠合成一張逼真的試穿圖像，人物穿着這些物品，幾乎涵蓋所有時尚品類。無論是全半身視圖、可變的參考數量，還是自由組合多件物品，它都能應對，並忠實保留人物身份和物品細節。
為了實現如此強大的能力，研究團隊構建了一個專門的數據引擎，用於大規模收集、製造、標註和過濾高質量的試穿數據。訓練過程分為三個階段：持續預訓練（CPT）、監督微調（SFT）和強化學習（RL）。在RL階段，他們設計了一種混合獎勵模型，結合了內部的試穿獎勵模型和一個專有的基於規則的通用模型，共同監督細粒度的一致性和指令級別的質量。這使得模型不僅能完成基本的試穿，還能服從一般的編輯指令，例如改變姿態。
在公開基準和內部構建的Oxygen-TryOn Bench上，該模型在單物品試穿任務中達到了最先進的一致性和逼真度，在多物品試穿中更是領先。無論是與領先的商業系統（如Nano Banana Pro、GPT-Image-2、Seedream5 Lite）還是開源模型（如FLUX.2）相比，Oxygen-TryOn都展現出了匹敵甚至超越的性能。總之，Oxygen-TryOn為虛擬試穿領域樹立了新的標杆，其通用性和高性能有望在電商、時尚設計等場景中發揮重要作用。