虚拟试衣是近几年逐渐兴起的重要课题,其最终目标是使用户能够方便查看自己试穿特定衣服的效果,在网上购物等领域都有很重要的应用。虚拟试衣分为基于图形的虚拟试衣和基于图像的虚拟试衣两种方法。基于图形的虚拟试衣方法主要借助3D建模相关的工作,给人物或服装建立三维模型,再通过操作这些模型获得最终的试衣结果。基于图像的虚拟试衣方法又分为两种,第一种是基于二维建模的方法,第二种是基于深度学习的方法。本文提出了一种基于深度学习和图像生成的虚拟试衣方法,在给定用户图像和目标衣服图像的前提下能够生成用户身穿目标衣服的图像。针对CP-VTON存在的虚拟试衣效果模糊,细节生成质量较低的问题,本文基于CP-VTON,引入了图像生成和肤色检测的相关工作,提出了改进的CP-VTON。首先通过几何匹配模块将试穿服装图像进行变形以匹配图片中人体的形状。然后将变形后的服装图像和人物图像送入试衣模块,通过改进的生成网络生成掩码mask和粗糙的试衣结果。然后使用我们提出的基于肤色检测的方法对mask进行二次变形。最后使用得到的mask将扭曲的服装和粗糙的试衣结果进行融合,得到最终的虚拟试衣结果。在实验部分,我们通过定量实验说明了本文提出的对试衣模块生成器的改进能够提升生成图像的质量,定量实验和消融实验可以看出对mask的改进可以一定程度上解决原先CP-VTON存在的遮挡问题。在Han等人收集的数据集上,我们取得了最好的效果。