多伦多大学和帕特雷大学的研究人员推出TryOffAnyone，这是一个从穿着服装的人身上生成高保真平铺服装图像的技术。这项技术对于时尚行业来说非常重要，因为它可以增强在线购物体验，提供个性化推荐、服装搭配以及虚拟试穿系统。与之前介绍过的《虚拟脱衣TryOffDiff：使用SD模型进行高保真服装重建的虚拟试穿》相似，但从试用效果来说，TryOffAnyone要差很多。
- GitHub：https://github.com/ixarchakos/try-off-anyone
- 模型：https://huggingface.co/ixarchakos/tryOffAnyone
- Demo：https://huggingface.co/spaces/1aurent/TryOffAnyone
例如，你在网上购物时看到模特穿着一件衣服的照片，你可能会想知道这件衣服平铺开来是什么样子，或者它与其他服饰搭配的效果如何。通过“TryOffAnyone”技术，系统可以从模特穿着服装的照片生成这件衣服平铺的图像，让你在不实际试穿的情况下预览衣服的外观和搭配效果。
主要功能
- 高保真平铺服装图像生成：从模特穿着的服装照片中生成高保真的平铺图像。
- 个性化推荐和搭配：利用生成的平铺图像为用户提供个性化的服装推荐和搭配建议。
- 虚拟试穿系统：在虚拟环境中模拟用户试穿服装的效果。
主要特点
- 单阶段网络设计：简化的网络架构，通过选择性训练transformer块并移除不必要的cross-attention层，减少了计算复杂性。
- 集成服装特定掩码：使用掩码隔离并处理目标服装项目，提高生成质量。
- 预训练的StableDiffusion模型：利用预训练的StableDiffusion模型，通过微调优化特定任务，减少训练资源需求。
工作原理
- 变分自编码器（VAE）：将穿着服装的图像编码到低维潜在空间。
- 去噪U-Net：基于潜在空间的表示，迭代去噪以生成目标平铺服装图像。
- 掩码融合：将服装掩码与穿着服装的图像潜在表示融合，以隔离目标服装并提供关键的位置信息。
具体应用场景
- 电子商务平台：在线零售商可以使用这项技术来展示服装的平铺视图，提供更加丰富的产品信息。
- 个性化购物体验：通过虚拟试穿功能，用户可以在家中试穿服装，提高购物满意度。
- 时尚设计和搭配：设计师可以利用这项技术来预览服装设计在平铺状态下的效果，以及与其他服饰的搭配效果。
- 库存管理和需求预测：通过分析用户对虚拟试穿服装的反馈，零售商可以更准确地预测需求和库存管理。
评论0