***** 我们团队的最新后续研究可在 https://github.com/rlawjdghek/StableVITON 获取 *****<br>
VITON-HD: 基于错位感知归一化的高分辨率虚拟试穿<br> Seunghwan Choi*<sup>1</sup>, Sunghyun Park*<sup>1</sup>, Minsoo Lee*<sup>1</sup>, Jaegul Choo<sup>1</sup><br> <sup>1</sup>韩国科学技术院<br> 发表于 CVPR 2021. (* 表示贡献相同)
论文: https://arxiv.org/abs/2103.16874<br> 项目页面: https://psh01087.github.io/VITON-HD
摘要: 基于图像的虚拟试穿任务旨在将目标服装转移到人物相应区域,通常通过将服装适配到所需身体部位并将变形后的服装与人物融合来实现。尽管相关研究越来越多,但合成图像的分辨率仍局限于低分辨率(如256x192),这严重限制了满足在线消费者的能力。我们认为这一限制源于几个挑战:随着分辨率的提高,变形服装与所需服装区域之间错位区域的伪影在最终结果中变得明显;现有方法使用的架构在生成高质量身体部位和保持服装纹理清晰度方面表现不佳。为了应对这些挑战,我们提出了一种名为 VITON-HD 的新型虚拟试穿方法,成功合成了 1024x768 分辨率的虚拟试穿图像。具体而言,我们首先准备分割图来指导虚拟试穿合成,然后将目标服装粗略地适配到给定人物的身体上。接下来,我们提出了对齐感知分段(ALIAS)归一化和 ALIAS 生成器来处理错位区域并保留 1024x768 输入的细节。通过与现有方法的严格比较,我们证明 VITON-HD 在合成图像质量方面在定性和定量上都远远超过了基准方法。
我们团队的 ECCV 2022 论文(后续研究): https://github.com/sangyun884/HR-VITON 用于人物无关表示的预处理代码可在 https://github.com/sangyun884/HR-VITON 获取。
克隆此仓库:
git clone https://github.com/shadow2496/VITON-HD.git
cd ./VITON-HD/
安装 PyTorch 和其他依赖项:
conda create -y -n [ENV] python=3.8
conda activate [ENV]
conda install -y pytorch=[>=1.6.0] torchvision cudatoolkit=[>=9.2] -c pytorch
pip install opencv-python torchgeometry
我们收集了 1024 x 768 分辨率的虚拟试穿数据集,仅用于我们的研究目的。 您可以从 VITON-HD DropBox 下载预处理后的数据集。 正面视角的女性和上衣图像对被分为训练集和测试集,分别包含 11,647 和 2,032 对。
我们提供预训练网络和测试数据集的样本图像。请从 VITON-HD Google Drive 文件夹 下载 *.pkl
和测试图像,并解压 *.zip
文件。test.py
假定下载的文 件放置在 ./checkpoints/
和 ./datasets/
目录中。
要生成虚拟试穿图像,运行:
CUDA_VISIBLE_DEVICES=[GPU_ID] python test.py --name [NAME]
结果保存在 ./results/
目录中。您可以通过指定 --save_dir
参数来更改位置。要合成不同人物和服装项目对的虚拟试穿图像,请编辑 ./datasets/test_pairs.txt
并运行相同的命令。
所有材料均根据 Creative Commons BY-NC 4.0 提供。您可以使用、重新分发和改编材料用于非商业目的,只要您通过引用我们的论文给予适当的信誉,并指出您所做的任何更改。
如果您发现这项工作对您的研究有用,请引用我们的论文:
@inproceedings{choi2021viton,
title={VITON-HD: High-Resolution Virtual Try-On via Misalignment-Aware Normalization},
author={Choi, Seunghwan and Park, Sunghyun and Lee, Minsoo and Choo, Jaegul},
booktitle={Proc. of the IEEE conference on computer vision and pattern recognition (CVPR)},
year={2021}
}
OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存 储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。
用于可扩展和多功能 3D 生成的结构化 3D 潜在表示
TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。
10 节课教你开启构建 AI 代理所需的一切知识
AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台 使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号