***** 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}
}
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等 参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
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。
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