TryOnDiffusion_云技派,专注ai人工智能! 202

TryOnDiffusion ist eine neue virtuelle Anprobe-Funktion von Google, die besonders realistische Ergebnisse liefert. Nutzer können visuell sehen, wie Kleidung in verschiedenen Größen an Personen mit unterschiedlichen Körperformen aussieht.

#Ai工具箱 #Ai开源项目

Besuchen TryOnDiffusion_云技派,专注ai人工智能!

TryOnDiffusion_云技派,专注ai人工智能!Einführung

TryOnDiffusion ist eine Diffusionsarchitektur, die auf zwei UNets basiert und darauf abzielt, eine Visualisierung von Kleidungsstücken zu erzeugen, die auf einer Eingabeperson getragen werden. Diese Methode ist in der Lage, sich an signifikante Veränderungen der Körperhaltung und -form anzupassen, während sie gleichzeitig die Details der Kleidung beibehält. TryOnDiffusion erzielt sowohl qualitativ als auch quantitativ modernste Ergebnisse und ist eine äußerst effektive Technologie für virtuelle Anproben.

TryOnDiffusion kann zwei Bilder kombinieren, um die Person auf einem Foto mit unterschiedlicher Kleidung auszustatten. Ein Bild zeigt eine bestimmte Person, das andere ein Kleidungsstück, das von jemand anderem getragen wird – daraus wird ein Bild erzeugt, das zeigt, wie das Kleidungsstück möglicherweise an der eingegebenen Person aussehen würde. Bisher hatten solche Modelle oft den Nachteil, dass es an Details der Kleidung mangelte. Herkömmliche Synthesemethoden akzeptierten in der Regel nur zwei Bilder, deren Stile sich kaum unterschieden, da sonst die erzeugten neuen Bilder stark verzerrte Kleidung aufwiesen. TryOnDiffusion nutzt jedoch eine diffusionsbasierte Architektur, die als paralleles UNet bekannt ist, sodass die synthetisierten Fotos sich an die körperhaltung und -form anpassen können, während die kleidungsdetails erhalten bleiben.

tryondiffusion.github.jpg

Merkmale von TryOnDiffusion:

Dieses Modell nutzt diffusionstechnologie, um zu zeigen, wie kleidung an personen mit unterschiedlichen körperformen und -haltungen aussieht.
Das neue AI-Modell ist in der Lage, hochwertige und realistische Anprobebilder zu erzeugen.
Dieses Modell verwendet bilddiffusion und kreuzaufmerksamkeit, anstatt von texteingaben.
Um die genauigkeit zu verbessern, wurde das modell mithilfe von Googles Shopping-Graph trainiert.
Die virtuelle Umkleidekabine unterstützt nun Damenoberteile von marken wie Anthropologie, LOFT, H&M und Everlane.
Diese funktion soll schrittweise auf weitere marken ausgeweitet werden.
Derzeit ist es nicht open source.