OutfitAnyone: Виртуальная примерка высочайшего качества для любой одежды и любого человека

OutfitAnyone: Ultra-high Quality Virtual Try-On for Any Clothing and Any Person

July 23, 2024

Авторы: Ke Sun, Jian Cao, Qi Wang, Linrui Tian, Xindi Zhang, Lian Zhuo, Bang Zhang, Liefeng Bo, Wenbo Zhou, Weiming Zhang, Daiheng Gao

cs.AI

Аннотация

Виртуальная примерка (VTON) стала трансформационной технологией, давая пользователям возможность экспериментировать с модой, не примеряя одежду физически. Однако существующие методы часто испытывают затруднения с созданием изображений высокой реалистичности и детальной согласованности. В то время как модели диффузии, такие как серия Stable Diffusion, продемонстрировали свою способность создавать изображения высокого качества и фотореалистичные, они сталкиваются с серьезными проблемами в условиях условной генерации, таких как VTON. Конкретно, эти модели испытывают трудности в поддержании баланса между управлением и согласованностью при создании изображений для виртуальных примерок одежды. OutfitAnyone преодолевает эти ограничения, используя двухпоточную условную модель диффузии, что позволяет ей ловко управлять деформацией одежды для более реалистичных результатов. Она выделяется масштабируемыми факторами, такими как поза, форма тела и широкая применимость, распространяющаяся от аниме до фотографий "в дикой природе". Производительность OutfitAnyone в различных сценариях подчеркивает ее полезность и готовность к внедрению в реальном мире. Для получения дополнительных деталей и анимированных результатов, пожалуйста, посетите https://humanaigc.github.io/outfit-anyone/.

English

Virtual Try-On (VTON) has become a transformative technology, empowering users to experiment with fashion without ever having to physically try on clothing. However, existing methods often struggle with generating high-fidelity and detail-consistent results. While diffusion models, such as Stable Diffusion series, have shown their capability in creating high-quality and photorealistic images, they encounter formidable challenges in conditional generation scenarios like VTON. Specifically, these models struggle to maintain a balance between control and consistency when generating images for virtual clothing trials. OutfitAnyone addresses these limitations by leveraging a two-stream conditional diffusion model, enabling it to adeptly handle garment deformation for more lifelike results. It distinguishes itself with scalability-modulating factors such as pose, body shape and broad applicability, extending from anime to in-the-wild images. OutfitAnyone's performance in diverse scenarios underscores its utility and readiness for real-world deployment. For more details and animated results, please see https://humanaigc.github.io/outfit-anyone/.