阿里巴巴和中国科学技术大学的研究人员推出新的虚拟试穿技术OutfitAnyone，它是一个基于扩散模型的2D虚拟试穿框架。Outfit Anyone 通过利用双流条件扩散模型解决了这些局限性，使其能够巧妙地处理服装变形，从而获得更逼真的效果。该技术以其可扩展性（如调整姿势和体型等因素）以及广泛的适用性（从动漫到真实世界的图像）而脱颖而出。
- 项目主页：https://humanaigc.github.io/outfit-anyone
- GitHub：https://github.com/HumanAIGC/OutfitAnyone
- Demo：https://modelscope.cn/studios/DAMOXR/OutfitAnyone
例如，你是一位时尚博主，想要为你的社交媒体账户创建一些独特的穿搭内容。使用OutfitAnyone，你只需上传自己的照片和你感兴趣的衣服图片，系统就会生成你穿着这些衣服的虚拟形象。无论是日常穿搭还是特殊场合的装扮，你都可以看到非常逼真的效果，这样你就可以选择最适合你的风格，并与你的追随者分享。此外，如果你是一个设计师，正在寻找灵感，OutfitAnyone可以帮助你快速预览不同设计元素的组合效果，加速你的创作过程。
主要功能
- 2D虚拟试穿：用户可以数字化地模拟衣服穿在自己身上的效果。
- 高保真和细节一致性：生成高清晰度、逼真的试穿图像，保持衣服图案和纹理的一致性。
主要特点
- 两流条件扩散模型：分别独立处理人体和衣服数据，然后融合以生成逼真的试穿效果。
- Zero-shot试穿网络：生成初始的试穿视觉效果。
- 事后细化器：细化最终输出图像中的衣物和皮肤纹理，提高细节质量。
工作原理
- 服装特征注入：使用预训练的自动编码器提取服装图像的特征，并将其注入到生成流程中。
- 无分类器引导：利用单一扩散模型处理条件和无条件数据，通过调整引导比例来控制生成过程。
- 背景和光照保留：通过人像分割模型获取服装遮罩，然后填充生成的服装区域，保持原有图像的背景和光照。
- 姿势和形状引导：使用姿势和形状引导器控制人体的姿势，确保在完整换装时保持身体轮廓的一致性。
- 细节细化：使用精选的高质量图像与模型生成的图像配对，训练扩散模型恢复细节，提高试穿效果的真实性。
具体应用场景
- 在线购物：顾客可以在家试穿网店的衣服，提高购物的便捷性和满意度。
- 时尚设计辅助：时尚设计师可以使用这项技术探索新款式和设计，甚至为单一上衣生成可能的下装搭配。
- 个性化推荐：根据用户的身形和偏好，推荐合适的服装搭配。
- 社交媒体：用户可以分享自己试穿不同服装的虚拟形象，增加互动乐趣。
评论0