TryOnDiffusion_云技派,专注ai人工智能! 203

TryOnDiffusion est une architecture de diffusion basée sur deux UNet, conçue pour générer des visualisations de vêtements portés par une personne saisie en entrée. Cette méthode permet de préserver les détails du vêtement tout en s'adaptant à des changements importants de posture et de morphologie corporelle. TryOnDiffusion obtient des performances de pointe, tant sur le plan qualitatif que quantitatif, et constitue une technique de cabine d'essayage virtuelle très efficace.

TryOnDiffusion peut combiner deux images pour permettre à une personne sur une photo d'essayer différents vêtements. Une image montre une personne, et l'autre montre un vêtement porté par quelqu'un d'autre — l'outil génère alors une image qui montre à quoi ce vêtement pourrait ressembler sur la personne saisie en entrée. Auparavant, ce type de modèle présentait souvent l'inconvénient de manquer de détails sur les vêtements. Les méthodes de synthèse traditionnelles n'acceptaient généralement que deux images avec des poses peu différentes, sinon le vêtement apparaissait fortement déformé sur l'image合成ée. En revanche, TryOnDiffusion utilise une architecture de diffusion dite « UNet parallèle », permettant à la photo合成ée de s'adapter à la posture et à la morphologie de la personne tout en préservant les détails du vêtement.

Caractéristiques de TryOnDiffusion :

• Ce modèle utilise la technologie de diffusion pour montrer l'effet de vêtements portés par des personnes de morphologies et de postures différentes.

• Le nouveau modèle ai est capable de générer des images d'essayage de haute qualité et très réalistes.

• Ce modèle s'appuie sur la diffusion d'images et des mécanismes d'attention croisée, plutôt que sur une saisie textuelle.

• Afin d'améliorer sa précision, le modèle a été entraîné à l'aide du catalogue d'images Shopping de Google.

• La fonctionnalité de cabine d'essayage virtuelle prend désormais en charge les hauts pour femmes de marques telles qu'Anthropologie, LOFT, H&M et Everlane.

• Cette fonctionnalité sera progressivement étendue à davantage de marques.

• Il n'est pas open source pour le moment.