AI一键脱装

更新: 12/21/2024 字数: 0 字 时长: 0 分钟

概述

论文实现的官方代码存储库：“TryOffDiff：使用扩散模型通过高保真服装重建进行虚拟试穿”。

知道大家在想什么，但我们要保持正能量(斜眼笑)

使用说明

项目信息

项目主页：地址

项目说明：地址

在线体验

HuggingFace体验：点击访问

模型下载

• 通过huggingface：访问
• 通过HF镜像：访问

paper

arxiv: 点击访问

本地安装

安装conda环境

conda create -n vtoff python=3.11
conda activate vtoff

克隆代码

git clone https://github.com/rizavelioglu/tryoffdiff.git
cd tryoffdiff
pip install -e .

下载数据集

• 下载原始VITON-HD数据集并将其解压缩到"./data/vitonhd"

python tryoffdiff/dataset.py download-vitonhd  # For a different location: output-dir="<other-folder>"

• 如论文所述，原始数据集包含重复项，一些训练样本泄露到测试集中。使用以下命令清理这些：

python tryoffdiff/dataset.py clean-vitonhd  # Default: `data-dir="./data/vitonhd"`

运行/推理

命令行方式

• 每个模型都有自己的命令。查看所有可用选项：

python tryoffdiff/modeling/predict.py --help

• 示例：使用TryOffDiff运行推理：

注意

注意：有关所有可能的参数，请参见config.py（IncontceConfig），例如使用--all标志对整个测试集运行推理。

注意：本文使用PNDM噪声调度器。对于HuggingFace Spaces，我们使用EulerDisite调度器。

# 结果作为. png文件保存到“<model-dir>/preds/”。

python tryoffdiff/modeling/predict.py tryoffdiff \
 --model-dir "/model_20241007_154516/" \
 --model-filename "model_epoch_1200.pth" \
 --batch-size 8 \
 --num-inference-steps 50 \
 --seed 42 \
 --guidance-scale 2.0

使用GUI方式

• 此外，我们提供了一个简单的GUI，用于可视化预测及其评估指标。该工具并排显示真实值和预测图像，同时为整个测验集提供指标

python tryoffdiff/modeling/eval_vis.py \
 --gt-dir "./data/vitonhd/test/cloth/" \
 --pred-dir "<prediction-dir>"