随着国民审美水平的不断提升,人们追求时尚穿搭的需求日益凸显。然而,并不是所有人都具有一定的审美认知。因此,自动化服装搭配成为人们日常生活中的迫切需要。同时,现实中的搭配服装设计往往需要设计师手动完成,费时费力。因此,自动化搭配服装设计也值得我们密切关注。此外,在现实生活中,人们通常需要对感兴趣的服装进行试穿,并根据试穿效果决定其是否购买服装。然而,在线上购物时,由于空间的局限性,用户难以获得服装的试穿效果。显然,在线虚拟试穿也亟待研究人员的探索。为满足以上时尚需求,需要深入探究套装内的视觉兼容关系理解、搭配服装生成技术以及虚拟试穿生成技术。为此,本文着眼于时尚领域的实际需求,对面向时装领域的视觉关系理解和生成任务进行了深入研究。虽然现有的工作已经取得了一定的进展,但是这些工作还存在一定的不足。具体而言,现有的时尚视觉兼容关系理解方法只是从分立的角度建模套装内单品之间的兼容关系,而忽略了套装整体试穿效果对于兼容关系理解的潜在帮助。现有的搭配服装生成方法旨在学习一对一的视觉兼容关系,忽略了对于一对多视觉兼容关系的挖掘,且难以生成多样化的搭配服装。现有的虚拟试穿生成方法只能为用户生成姿势不变的试穿形象,难以满足用户的真实试穿需求。为了解决上述问题,本文分别开展了如下三方面的研究工作:（1）基于多角度互学习的视觉兼容关系理解本文探究了同时从分立和试穿角度来全面评估套装的视觉兼容关系,并设计了基于多角度互学习的服装搭配方法。其中,考虑到分立单品之间的兼容性可能被多种潜在因素影响,本文设计了基于解耦图表示学习的分立兼容性建模模型以挖掘分立单品之间的细粒度兼容性关系。此外,本文提出了基于知识蒸馏表示学习的试穿兼容性建模模型,该模型能够为分立套装学习有效的试穿表示,并基于此进行试穿兼容性评估。最后,为了充分利用两种建模角度之间的一致性关系,采用互学习策略,将两种角度的建模进行了有机结合。本文在公开数据集FOTOS上进行了验证,结果验证了所提方法的有效性。（2）基于一对多的视觉兼容关系的服装生成本文探索了一对多的视觉兼容关系,并提出了基于兼容分布的搭配服装设计方法。该模型为给定单品探索相搭配的兼容设计模式,以生成多样化的搭配服装。首先,本文将复杂的搭配服装生成任务解耦成两个阶段:多样化兼容形状生成和多样化兼容单品生成。然后,为了深入挖掘一对多的视觉兼容关系,本文提出根据与单品相搭配的所有服装信息,为给定单品学习一个潜在的兼容性分布,从而从全局的角度捕捉兼容性设计模式。最后,在真实数据集IQON3000上进行了大量的实验,结果验证了本文所提方法能够优越于目前先进的基准方法。（3）基于2D空间关系对齐的虚拟试穿图片生成从实际需求出发,本文定义了一个新的试穿任务,即为人们生成不同姿势的虚拟试穿图片。针对该任务,本文提出了基于空间关系对齐的虚拟试穿图片生成方法。本文将试穿任务分解为两个阶段:服装形变和试穿图片生成。在第一阶段,提出了体型引导的服装形变模型。该模型首先预测目标体型掩码作为辅助,然后通过学习服装与人体（姿势、体型）的空间关系来实现服装的自然形变。在第二阶段,提出了基于注意力机制的双向生成虚拟试穿网络。其中,引入了注意力机制来保留服装纹理细节,同时设计了双向生成一致正则化来保留用户的个人特征。最后,本文从电子商务网站Zalando①上创建了大型公开虚拟试穿数据集FashionTryOn。实验结果表明,所提模型能够生成比基准方法更优的试穿形象。