❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！
🥦 微信公众号｜搜一搜：蚝油菜花 🥦
🚀 快速阅读
- 功能：将模特穿着服装的图像还原为平铺商品图，支持智能识别和自动优化。
- 技术：基于 Latent Diffusion Models 和语义分割模型，实现高质量的图像生成。
- 应用：适用于电商平台、虚拟试衣、个性化推荐等场景，提升用户体验和效率。
正文（附运行示例）
TryOffAnyone 是什么
TryOffAnyone 是一款基于 AI 技术的工具，能够将穿着服装的人物照片快速转换为平铺的服装展示图。它利用先进的 Latent Diffusion Models 技术，自动识别并提取照片中的服装区域，然后将其转换为专业的平铺效果。
对于电商平台来说，TryOffAnyone 非常有用，可以显著降低制作商品图片的成本，同时提供标准化的服装展示效果。其特点包括在线图片处理、智能服装识别、自动背景去除和图像优化等。
TryOffAnyone 的主要功能
- 在线图片 URL 直接处理：支持直接对在线图片 URL 进行处理，无需下载图片即可进行服装提取和转换。
- 智能识别提取服装区域：能智能识别并提取图像中的服装区域，为后续的平铺效果生成提供精确的服装信息。
- 自动平铺效果生成：自动将穿着状态的服装转换为平铺效果，提供专业的服装展示图。
- 背景去除和图像优化：内置专业的背景去除和图像优化处理功能，以提升生成图像的质量。
- VITON-HD 数据集批量测试：支持 VITON-HD 数据集的批量测试功能，确保模型的有效性和准确性。
- 模型评估指标计算：提供详细的模型评估指标计算，帮助用户了解模型性能。
- 多种图像质量评估方法：集成了多种图像质量评估方法，如 SSIM、LPIPS、FID、KID，以确保生成图像的质量。
- 自定义图像尺寸和处理参数：支持用户自定义图像尺寸和处理参数，以满足不同的需求。
- 预训练模型快速部署：提供预训练模型快速部署能力，方便用户快速使用。
TryOffAnyone 的技术原理
- TileDiffusion 框架：是一个单阶段框架，旨在从穿着服装的人物图像及其对应的服装掩码中合成高质量的拼接布料图像。
- 语义分割模型：基于在 ATR 数据集上微调的 Segformer 语义分割模型来提取精确的布料掩码，作为生成过程的显式指导。
- 变分自编码器（VAE）：架构包括一个预训练的 VAE，作为潜在空间的编码器-解码器运行，将输入图像压缩为低维表示，同时保留重要的衣物特征。
- 去噪 U-Net：以穿着者的衣物和衣物掩码的潜在表征为条件，执行迭代去噪以生成目标平铺衣物图像。
- Latent Diffusion Models（LDMs）：通过在一个潜在表示空间中迭代“去噪”数据来生成图像，分为两个阶段：训练自动编码器和在潜在空间上训练 DM。
- 跨注意力层：引入跨注意力层，以卷积方式实现对一般条件输入（如文本或边界框）的响应以及高分辨率合成。
- 网络架构：包括对去噪扩散 U-Net 中的变换器块进行微调，以优化性能，同时保持预训练组件的强大能力。
如何运行 TryOffAnyone
1. 安装依赖
首先，克隆仓库并安装所需的依赖包：
git clone https://github.com/ixarchakos/try-off-anyone.git
cd try-off-anyone
python3 -m pip install -r requirements.txt
2. 下载模型
从 HuggingFace 下载模型并放置在 try-off-anyone/ckpt/ 目录下：
3. 执行推理
通过以下命令对任意图片 URL 进行推理：
python3 main.py --inference --url="https://cdn11.bigcommerce.com/s-405b0/images/stencil/590x590/products/97/20409/8000-gildan-tee-t-shirt.ca-model__66081.1724276210.jpg"
生成的图像将保存在 try-off-anyone/data/ 目录中。
4. 评估 VITON-HD 数据集
下载 VITON-HD 数据集并解压到 try-off-anyone/data/ 目录。然后下载服装图像掩码并保存到 try-off-anyone/data/zalando-hd-resized/test/ 目录。最后，运行以下命令进行评估：
python3 main.py --test
资源
- 项目官网：https://github.com/ixarchakos/try-off-anyone
- GitHub 仓库：https://github.com/ixarchakos/try-off-anyone
- HuggingFace 模型库：https://huggingface.co/ixarchakos/tryOffAnyone
- arXiv 技术论文：https://arxiv.org/pdf/2412.08573
❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！
🥦 微信公众号｜搜一搜：蚝油菜花 🥦
