虚拟试衣可以让消费者无需更换服装就可以体验穿着不同的服装,对于弥合在线服装购物和实体店购物的鸿沟尤为重要。基于二维图像的虚拟试衣使用先服装对齐再试穿合成的策略实现从遮盖服装的人重建穿着服装的人。因此,解决服装对齐和试穿合成这两个子问题是改善基于二维图像的虚拟试衣的性能的关键。此外,目前的方案都需要使用一个参考人和一个目标服装模板作为输入实现虚拟试衣,由于没有卖家实时提供服装模板,使用这种输入格式的方案在大多数现实场景中无法获得合理的试穿效果。因此构建一个不需要服装模板的用户友好型虚拟试衣方案对于满足用户日常需求尤为重要。本文分别对服装对齐、试穿合成和试穿网络框架进行深入研究,提出了有效的服装对齐策略和试穿合成模型,并设计了不需要服装模板的虚拟试衣方案。主要工作包括:（1）提出了一个结合像素扭曲和特征扭曲的双重扭曲的服装对齐模块。考虑到带有薄板样条变换的几何匹配方法可以保留细节但无法与参考人准确对齐,而基于外观流的方法可以实现更好的对齐效果但无法保留完整细节。因此,提出了先对服装的像素再对特征进行扭曲的双重扭曲策略获得既保持服装细节又与参考人准确对齐的扭曲服装。（2）提出了一个基于卷积神经网络块与Swin-transformer块的虚拟试衣的合成模型,该模型可以同时捕获并集成全局和局部特征。考虑到卷积神经网络具有归纳偏置的特性,同时存在感受野有限的固有限制,而Transformer具有全局建模能力,同时存在需要大型训练数据的问题。因此,提出了以卷积神经网络为基础并结合Transformer的合成模型,以提高整体网络性能并生成高真实度试穿结果。（3）提出了一种基于二维图像的用户友好型虚拟试衣模型。考虑到目标服装模板获取比较困难,本文通过交换两个人身上服装的方式构造三元组数据集,设计了包含粗糙合成、服装对齐和细化合成的三步训练流程,实现了无需使用目标服装模板的虚拟试衣网络框架。在公开数据集上的实验表明,本文提出的方案无论是定性比较还是定量分析上都有较大提升。与已有的方法相比,本方法在保留服装细节和身份信息的情况下,生成高度逼真的试穿图像。