DAFlow虚拟试衣模型-VITON数据
DAFlow是一种单阶段虚拟试衣框架,无需中间分割结果作为label,直接用模特上身图作为监督。同时本工作提出一种新的空间变换结构,在虚拟试衣和一些变换任务上达到SOTA.
  • 模型资讯
  • 模型资料

Virtual-Tryon介绍

图片描述任务:给定模特图、骨架图、衣服平铺图生成模特试衣图

模型描述

我们提出一种新的单阶段端到端的虚拟试衣框架,并提出一种新的空间变换结构,在虚拟试衣和一些变换任务上达到SOTA

期望模型使用方式以及适用范围

如何使用

在ModelScope里可以比较方便的使用Virtual-tryon的能力。

代码范例

import cv2
from modelscope.outputs import OutputKeys
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

model_id = 'damo/cv_daflow_virtual-try-on_base'
input_imgs = {
      'masked_model': 'https://m6-public.oss-cn-hangzhou.aliyuncs.com/demo/virtual_tryon_model.jpg',
      'pose': 'https://m6-public.oss-cn-hangzhou.aliyuncs.com/demo/virtual_tryon_pose.jpg',
      'cloth': 'https://m6-public.oss-cn-hangzhou.aliyuncs.com/demo/virtual_tryon_cloth.jpg'
}

pipeline_virtual_tryon = pipeline(
task=Tasks.virtual_try_on, model=model_id)
img = pipeline_virtual_tryon(input_imgs)[OutputKeys.OUTPUT_IMG]
cv2.imwrite('demo.jpg', img[:, :, ::-1])

模型局限性以及可能的偏差

模型在数据集上训练,在与训练数据差异大的数据测试效果会差,需要重新训练

训练数据介绍

数据会包含成对的模特图和对应模特衣服的

模型训练流程

暂时不支持通过ModelScope接口进行训练,敬请期待。

预处理

主要是用的预处理如下:

  • 图像缩放到256*192分辨率

训练

暂不支持。

数据评估及结果

  • 量化结果

table

  • VITON dataset

viton

  • MPV dataset

mpv

  • FashionVideo

fashion

  • ShapeNet

shapenet

相关论文以及引用信息

如果你觉得这个该模型对有所帮助,请考虑引用下面的相关的论文:

@article{bai2022single,
title={Single Stage Virtual Try-on via Deformable Attention Flows},
author={Bai, Shuai and Zhou, Huiling and Li, Zhikang and Zhou, Chang and Yang, Hongxia},
journal={arXiv preprint arXiv:2207.09161},
year={2022}
}