OOTDiffusion: 캐릭터 드레싱을 위한 오픈 소스 모델

OOTDiffusion은 잠재 확산 모델링 기술을 기반으로 하는 오픈 소스 가상 의류 피팅 도구로, 고도로 제어된 가상 피팅 경험을 제공하도록 설계되었습니다. 이 튜토리얼에서는 기능, 사용법, 설치 및 배포 단계에 대해 자세히 설명합니다.

I. 기능 개요

OOTDiffusion은 주로 다음과 같은 기능을 제공합니다:

1. 고품질 의류 이미지 생성 및 융합잠복 확산 모델링 기법을 사용하는 OOTDiffusion은 사용자가 제공한 모델 이미지에 자연스럽고 사실적으로 융합된 고품질 의류 이미지를 생성할 수 있습니다.
2. 의류 자동 조절사용자의 성별과 체형에 따라 모델의 체형에 맞게 의상이 자동으로 조정되어 완벽한 핏을 보장합니다.
3. 개인 맞춤형 피팅 경험다양한 의류 스타일과 색상을 선택하는 등 사용자의 필요와 선호도에 맞게 피팅을 조정할 수 있습니다.
4. 하반신 및 전신 모델 지원반신 모델(티셔츠, 블라우스 등 상반신 의류용)과 전신 모델(상의, 하의, 원피스 등 전신 의류용)이 제공됩니다.

II. 설치 및 배포

환경 요구 사항

Python 3.6 이상
PyTorch 1.7 이상
CUDA 10.2 이상(GPU 가속을 사용하는 경우)

이동

1. 코드 베이스 복제::

git clone https://github.com/levihsu/OOTDiffusion.git

2. 종속성 설치::

cd OOT확산
pip 설치 -r 요구사항.txt

III. 사용 방법

구성 매개변수

OOTDiffusion을 사용하기 전에 특정 요구 사항에 맞게 몇 가지 매개변수를 구성해야 합니다:

모델 경로모델 파일의 경로를 지정합니다.
의류 경로: 코스튬 이미지 파일의 경로를 지정합니다.
확대/축소 비율: 의상 이미지와 모델 이미지 사이의 배율을 조정합니다.
샘플링 시간이미지 품질을 최적화하기 위해 생성된 이미지의 샘플 수를 설정합니다.

입어보기 시작

다음 명령을 사용하여 가상 피팅을 시작하세요:

python run_ootdiffusion.py --model_path [모델 경로] --clothing_path [의류 경로] --scale_factor [스케일링] --num_samples [샘플 개수]

IV. 예시

모델 이미지와 의상 이미지를 준비했다고 가정하면 아래 예시를 따를 수 있습니다:

python run_ootdiffusion.py ---model_path . /models/example_model.png --clothing_path . /clothes/example_clothes.png --scale_factor 1.0 --num_samples 100

이 명령은 지정된 의상을 지정된 모델에 자연스럽게 블렌딩하는 이미지를 생성합니다.

V. 주의 사항

더 나은 블렌딩 결과를 위해 모든 이미지 파일의 배경이 깨끗한지 확인하세요.
시스템 성능에 따라 최적의 피팅을 위해 샘플 수와 스케일링을 조정하세요.

이 단계를 따르면 가상 의류 피팅에 OOTDiffusion을 효과적으로 사용하여 개인 엔터테인먼트와 상업용 프레젠테이션 모두에 혁신적이고 실용적인 솔루션을 제공할 수 있습니다.