CatVTON: 简单高效的虚拟试衣扩散模型

CatVTON:简单高效的虚拟试衣扩散模型

在当今数字化时代,虚拟试衣技术正在彻底改变人们的购物体验。作为这一领域的最新突破,CatVTON (Concatenation Is All You Need for Virtual Try-On with Diffusion Models)展现出了令人瞩目的性能和效率。本文将深入探讨这个创新的虚拟试衣扩散模型,介绍其特点、安装使用方法以及在实际应用中的表现。

CatVTON的突破性特点

CatVTON在虚拟试衣技术领域带来了三大关键突破:

轻量级网络结构: 总参数量仅为899.06M,大大降低了模型的复杂度。
参数高效训练: 仅需49.57M可训练参数,显著提高了训练效率。
简化推理过程: 在1024x768分辨率下推理只需不到8G显存,降低了硬件门槛。

这些特点使CatVTON在保持高质量输出的同时,大幅提升了模型的实用性和可访问性。无论是在研究环境还是商业应用中,CatVTON都展现出了巨大的潜力。

CatVTON示例图

安装与部署

要开始使用CatVTON,首先需要进行环境配置和安装。以下是详细的步骤:

创建并激活conda环境:

conda create -n catvton python==3.9.0
conda activate catvton

克隆项目并安装依赖:

git clone https://github.com/Zheng-Chong/CatVTON.git
cd CatVTON
pip install -r requirements.txt

多平台部署选项

CatVTON提供了多种部署选项,以满足不同用户的需求:

ComfyUI工作流

ComfyUI是一个强大的图形化界面,可以让用户更直观地操作CatVTON。要在ComfyUI上部署CatVTON,请按以下步骤操作:

下载并解压ComfyUI-CatVTON.zip到ComfyUI项目的custom_nodes文件夹。
运行ComfyUI。
下载catvton_workflow.json并将其拖入ComfyUI网页界面。

注意:首次运行时,模型权重会自动下载,可能需要几十分钟。

Gradio应用

Gradio提供了一个简洁的Web界面,方便用户快速尝试CatVTON。要部署Gradio应用,运行以下命令:

CUDA_VISIBLE_DEVICES=0 python app.py \
--output_dir="resource/demo/output" \
--mixed_precision="bf16" \
--allow_tf32

使用bf16精度时,生成1024x768分辨率的结果仅需约8G显存。

推理与评估

数据准备

在进行推理之前,需要下载并准备VITON-HD或DressCode数据集。数据集的文件结构应如下所示:

├── VITON-HD
│   ├── test_pairs_unpaired.txt
│   ├── test
│   │   ├── image
│   │   │   ├── [000006_00.jpg | 000008_00.jpg | ...]
│   │   ├── cloth
│   │   │   ├── [000006_00.jpg | 000008_00.jpg | ...]
│   │   ├── agnostic-mask
│   │   │   ├── [000006_00_mask.png | 000008_00.png | ...]
...

对于DressCode数据集,还提供了预处理agnostic masks的脚本:

CUDA_VISIBLE_DEVICES=0 python preprocess_agnostic_mask.py \
--data_root_path <your_path_to_DressCode>

在VTIONHD/DressCode上进行推理

运行以下命令在数据集上进行推理:

CUDA_VISIBLE_DEVICES=0 python inference.py \
--dataset [dresscode | vitonhd] \
--data_root_path <path> \
--output_dir <path> \
--dataloader_num_workers 8 \
--batch_size 8 \
--seed 555 \
--mixed_precision [no | fp16 | bf16] \
--allow_tf32 \
--repaint \
--eval_pair

计算评估指标

完成推理后,使用以下命令计算评估指标:

CUDA_VISIBLE_DEVICES=0 python eval.py \
--gt_folder <your_path_to_gt_image_folder> \
--pred_folder <your_path_to_predicted_image_folder> \
--paired \
--batch_size=16 \
--num_workers=16