TryOffAnyone: 사람에서 의류를 타일형 의류 디스플레이 이미지로 추출하는 AI 도구

일반 소개

트라이오프애니원은 이커머스 분야의 의류 디스플레이 문제를 해결하기 위해 고안된 획기적인 AI 이미지 처리 툴입니다. 이 툴은 최신 잠재 확산 모델(LDM)을 기반으로 실제 사람이 착용한 상태의 의류 사진을 평평한 디스플레이 효과 이미지로 지능적으로 변환할 수 있습니다. 연구진이 개발하여 오픈소스로 공개한 이 프로젝트의 핵심 혁신은 사람의 사진에서 의류 영역을 정확하게 식별하고 추출하여 복잡한 AI 알고리즘을 통해 전문적인 레이플랫 디스플레이 효과로 변환하는 기능에 있습니다. 이러한 기술적 혁신은 이커머스 플랫폼의 제품 이미지 제작 비용을 크게 절감할 뿐만 아니라 의류 제품 디스플레이를 위한 보다 편리하고 표준화된 솔루션을 제공합니다. 이 프로젝트는 깃허브에서 오픈소스로 공개되어 있으며, 파이썬 환경에서 빠른 배포와 사용을 지원하고 자세한 사용 설명서와 샘플 코드를 제공합니다.

체험: https://huggingface.co/spaces/1aurent/TryOffAnyone

기능 목록

• 온라인 이미지 URL 직접 처리 기능 지원
• 이미지에서 의복 영역의 지능형 인식 및 추출
• 착용한 의류를 자동으로 레이플랫 효과로 변환합니다.
• 내장된 전문 배경 제거 및 이미지 최적화 처리 기능
• VITON-HD 데이터 세트에 대한 일괄 테스트 기능 지원
• 모델 평가 지표에 대한 자세한 계산 제공
• 여러 이미지 품질 평가 방법(SSIM, LPIPS, FID, KID)의 통합
• 맞춤형 이미지 크기 및 처리 매개변수 지원
• 사전 학습된 모델을 위한 신속한 배포 기능 제공
• GPU 가속 처리 지원

도움말 사용

1. 환경 구성 및 설치

가장 먼저 해야 할 일은 시스템이 다음 요구 사항을 충족하는지 확인하는 것입니다:

• Python 3.x 환경
• CUDA 지원 GPU(가속 처리에 권장)
• Git 버전 관리 도구

설치 단계:

# 1. 克隆项目代码
git clone https://github.com/ixarchakos/try-off-anyone.git
cd try-off-anyone
# 2. 安装依赖包
python3 -m pip install -r requirements.txt
# 3. 下载预训练模型
# 访问 https://huggingface.co/ixarchakos/tryOffAnyone
# 将下载的模型文件放置在 "try-off-anyone/ckpt/" 目录下

2. 기본 사용법

2.1 단일 온라인 이미지 처리

python3 main.py --inference --url="您的图片URL地址"

처리된 이미지는 "try-off-anyone/data/" 디렉터리에 저장됩니다.

2.2 파라미터 구성 설명

• --시드: 무작위 시드 설정(기본값: 36)
• --단계: 처리 단계 수(기본값: 50)
• --스케일: 스케일(기본값: 2.5)
• --width: 출력 이미지 너비(기본값: 384)
• --높이: 출력 이미지 높이(기본값: 512)
• --gpu_id: GPU 장치 ID를 지정합니다(기본값: 0).

3. 고급 기능 사용

3.1 VITON-HD 데이터 세트의 일괄 처리

1. VITON-HD 로데이터 세트 다운로드
2. 의상 이미지 마스크 파일을 다운로드합니다:
   • 방문: https://huggingface.co/ixarchakos/tryOffAnyone/blob/main/masks.zip
   • "try-off-anyone/data/zalando-hd-resized/test/" 디렉토리에 압축을 풉니다.

일괄 처리를 수행합니다:

python3 main.py --test

3.2 품질 평가

시스템은 다음 지표를 자동으로 계산합니다:

• SSIM(구조적 유사성)
• LPIPS(인지된 유사성)
• FID(프레셰 시작 거리)
• KID(커널 시작 거리)

4. 참고 사항 및 권장 사항

• 입력 이미지는 옷의 선명한 정면 사진을 사용하는 것이 좋습니다.
• 현재 버전은 주로 탑로딩 처리를 지원합니다.
• 더 나은 성능을 얻으려면 처리에 GPU를 사용하는 것이 좋습니다.
• 대량의 이미지를 처리할 때 시스템 리소스 사용량 모니터링
• 최상의 결과를 위해 모델 및 종속성 패키지를 정기적으로 업데이트하세요.

5. 일반적인 문제 해결

1. CUDA 관련 오류가 발생하면 확인하세요:
   • GPU 드라이버가 올바르게 설치되어 있나요?
   • CUDA 버전이 PyTorch 버전과 일치합니까?
2. 이미지 처리 품질 문제:
   • 처리 단계를 추가하려면 --steps 매개 변수를 조정합니다.
   • 스케일 매개변수를 적절히 조정하여 효과를 개선합니다.
3. 메모리 부족 문제:
   • 배치 크기 줄이기
   • 입력 이미지 크기 줄이기