访问官网
Github
论文PIDM 项目介绍
项目概述
PIDM，即“通过去噪扩散模型生成人物图像”（Person Image Synthesis via Denoising Diffusion Model），是一个旨在提高人物图像合成质量的项目。该项目使用一种先进的去噪扩散模型来生成高质量的人物图像。该模型在DeepFashion数据集上进行了训练，并且与多种最先进的方法进行了对比测试。
主要功能
PIDM具有两种主要的图像生成模式：
- 姿态控制：用户可以通过指定姿态控制生成图像。这一过程涉及指定图像的姿态，然后使用扩散模型生成具有该姿态的目标图像。
- 外观控制：用户可以通过提供参考图像及其相关信息（如掩码和姿态）来控制合成图像的外观。在该模式下，模型可以生成符合参考图像外观特征的新人物图像。
数据集
PIDM项目使用了DeepFashion数据集的高分辨率图像，具体步骤包括下载数据集、解压缩、获取秘钥并进行预处理。项目团队对数据集进行了训练集和测试集的划分，并处理了显著遮挡的图像以提高训练质量。
训练与推理
PIDM的训练过程支持多GPU并行训练，在八个A100 GPU上训练需要大约5天时间，以每批次8个样本进行训练，共计300个训练周期。虽然模型经过200个训练周期后即可生成高质量的样本。推理时，需要首先下载预训练模型，并使用项目提供的Python接口进行姿态或外观推理操作。
自定义数据集
对于希望使用自定义数据集的用户，PIDM提供了灵活的文件夹结构和数据预处理脚本。用户可以根据自己的需求组织图像和姿态数据，然后利用项目中的脚本进行数据准备和模型训练。
项目依赖与安装
PIDM基于Python开发，用户可以通过Conda环境管理工具创建虚拟环境并安装项目所需的依赖库。具体安装步骤包括创建Conda虚拟环境、安装PyTorch等深度学习库、克隆项目代码仓库和安装其他依赖项。
使用示例
PIDM项目提供了详细的代码示例，用户可以根据提供的代码snippet进行推理实验。这些示例涵盖了姿态预测和外观预测的不同操作模式，方便用户快速上手并进行自定义调整。
开发团队与引用
PIDM项目由多位知名研究人员共同开发，如果在研究中使用了本项目的代码或结果，用户可以在相关文献中引用该项目的论文。项目团队的主要成员包括Ankan Kumar Bhunia、Salman Khan、Hisham Cholakkal等。
总体而言，PIDM项目为人物图像合成提供了一种创新的方法，结合深度学习与计算机视觉技术，为相关领域的研究人员和开发者提供了重要的工具。
