#OpenPose

OpenPose是首个实现实时多人人体、手部、面部和足部关键点检测的系统，能够在单张图像上检测135个关键点。其功能包括2D和3D姿态估计、支持Unity插件和多种输入输出方式，兼容多个操作系统和硬件配置，适用于研究和开发项目。

该项目展示了一种无需人体检测器的实时多人人体姿态估计方法，曾获2016年MSCOCO关键点挑战赛冠军等多个奖项。项目提供了C++、TensorFlow、Pytorch等多种实现版本，适用于不同应用场景。页面还包括详细的测试与训练步骤，以及相关的代码库和资源链接，适合研究人员和开发者使用。

Dress Code数据集提供高分辨率的虚拟试衣图像，包含来自YOOX NET-A-PORTER目录的53792件服装和107584张图像。数据集分为上身、下身和连衣裙三类，分辨率为1024x768，并附有关键点、骨架图、人类标签图和稠密姿态信息。请注意，使用此数据集需遵守相关条款，且仅对非私人公司开放。更多信息，请访问相关链接。

该项目实现了实时2D多人人体姿态估计的训练代码，基于OpenPose优化技术，使其能够在CPU上进行实时推理且准确度几乎不变。此模型能够识别并连接18个关键点，在COCO 2017数据集的验证集上达到40%的AP。项目对多种深度学习框架和设备友好支持。

这是一个基于Stable Diffusion XL的ControlNet模型，专门用于OpenPose人体姿态控制。通过人体骨骼图，用户可以精确控制生成图像中的人物姿势。该模型支持Diffusers和ComfyUI框架，可用于创建多种姿势的人物图像。模型在LAION数据集上训练，具有良好的性能。