AI虚拟试衣为什么还没有大规模落地?
Leffa 的主要功能
其他 AI 虚拟试穿的应用
一起探讨
END
评论区

AI虚拟试衣为什么还没有大规模落地?

大林
大林
2024-12-23
大模型向量数据库机器学习
推荐
机器学习平台
了解详情 
机器学习平台是面向机器学习应用开发者,提供 WebIDE 和自定义训练等丰富建模工具、多框架高性能模型推理服务的企业级云原生机器学习平台

生成可控人物图像时,传统方法虽整体质量尚可,但参考图像细节纹理易扭曲,因模型聚焦失准。

Meta 针对性研发 Leffa 方法,借精准引导目标查询关注参考图像关键区,攻克细节失真难题,于虚拟试穿与姿势转移效果拔群,且具通用性,可赋能多扩散模型提升表现,开启了人物图像生成新纪元。

看到这个新闻,好久忙碌不更文的我好奇的试了一下,在线体验链接在下方

下面是我随便从 TB 上 copy 的 模特图和衣服,看看 Leffa 的合成效果。

模特试衣

picture.image

picture.image 除了下方稍有不完美外,都很好

模特试衣

picture.image

picture.image 这个不错

尝试更多模特

picture.image

picture.image

还可以更换人物摆的 pose

picture.image 左1为原图,中间为目标post, 右侧为生成图, ps 帽子哪里来的

Leffa 的主要功能
  1. 可控人物图像生成:能够基于参考图像生成可控人物图像。
  2. 虚拟试穿:可以精确操控人物的外观,实现虚拟试穿效果。
  3. 姿势转移:能够精确操控人物的姿势,实现姿势转移效果。
  4. 高质量图像生成:保持高图像质量,减少细节失真。

项目地址https://github.com/franciszzj/Leffa

在线体验https://huggingface.co/spaces/franciszzj/Leffa

Leffa 的效果确实不错,相比于最近出的一些 AI 虚拟试衣应用,已经可以媲美了

那么现在你知道有多少 AI 虚拟试穿的应用?

好像又没有那么多的 AI 虚拟试穿的应用落地,为什么?

其他 AI 虚拟试穿的应用

可图 AI 试衣

来自快手科技

在线地址:https://www.modelscope.cn/studios/Kwai-Kolors/Kolors-Virtual-Try-On

picture.image 示例1

picture.image 示例2

picture.image 示例3

在线地址:https://virtual-try-on.org/zh

picture.image

picture.image 示例4

后续集成在可灵里面了嘛?

地址:https://klingai.kuaishou.com/release-notes

picture.image

Outfit Anyone

阿里开源的一键换衣虚拟试穿项目

https://humanaigc.github.io/outfit-anyone/

picture.image

picture.image

picture.image

IMAGDressing

项目地址:https://github.com/muzishen/IMAGDressing

虚拟试衣与虚拟穿搭任务的区别: 虚拟试衣(VTON)任务主要关注消费者体验,通过局部图像修复生成真实感的试衣图像。然而,现有的 VTON 技术忽视了商家展示服装的全面需求,如灵活控制服装、面部、姿势和场景。因此,本文定义了一个虚拟穿搭(VD)任务,旨在生成固定服装和可选条件下的可编辑人像。

picture.image

OOTDiffusion

项目地址:https://github.com/levihsu/OOTDiffusion

picture.image

AR 虚拟试衣:打造数字化的私人衣橱

https://tryon.kivisense.com/blog/zh/ar-solution-clothes-cn/

picture.image

虚拟试衣

仅需上传产品图片,AI 模特即刻为您呈现服装的上身展示效果,让客户更真实地感受到商品的魅力,极大提升满意度

picture.image

https://www.piccopilot.com/zh/tools/tryon

一起探讨

看到这些,AI 试衣的模型已经很不错了,但是为什么还没有在电商领域应用起来呢?

我觉得可能有下面的一些原因吧。

1、学术界和真正的落地应用还有很大的 gap: 这里可能有实际场景的复杂性,如特殊体型、复杂姿势或带有特殊材质(如透明、反光、褶皱丰富的面料)的服装,再或者衣服的款式,很难生成非常精准和真实的试穿效果,从而应用用户体验,造成用户流失。

2、隐私与精准性 :AI 试衣需要人体数据来提供更个性化的试穿效果,如身高、体重、三围等或者上传个人的照片,但获取这些数据涉及用户隐私问题,并且用户提供的数据可能不准确,从而影响试衣效果的精准性。就像上面 meta 开源的 AI 试衣模型,虽然整体上看效果不错,但涉及到不同身材的人,一些细枝末节会很难处理。

3、服装的挑战 :服装款式、尺码、颜色等数据极其丰富多样,并且涉及到昂贵的标注成本,要建立一个能够涵盖各种品牌、风格、季节服装的数据库是一项艰巨的任务。而且,服装的流行趋势不断变化,需要不断更新数据。例如,每年时尚界都会推出新的服装款式和流行元素,及时获取和整合这些数据来更新 AI 试衣系统是一个持续的挑战。

话说回来,AI 技术的迭代更新只是时间问题,技术的实落地也只是时间问题,当这个技术真的能够落地的时候,绝对能够弥补现有实体店和网上购物之间的鸿沟。

或许以后我们就不需要线下实体店购物试穿一下,然后网上购买。

那么更加严峻的问题就来了,实体店会比现在还备受打击。

技术的变革,总是好坏参半。

好久没更新文章了,主要是因为这段时间工作太过繁忙,加上想静下来思考一下,就停更了两个月。后续的路,边走边 👀

END

我是大林,持续关注 AI 发展,和大家一起交流。微信(dalinvip2023),备注【公众号 AIGC】,进 AIGC 交流群一起交流。

主页:https://www.dalinaip.com/about

picture.image

如果文章对你有一点点 🤏🏻 帮助,关注公众号并【星标】 ,可以及时收到最新 AI 信息,点赞、在看、转发给更多的朋友,后面我继续分享更多的 AI 内容。

往期推荐

AI公司本周进展汇总

prompt 提示词工程免费的学习课程都在这了

FLUX.1 Lora模型:融合写实与插画风格

从 0 到 1 的Prompt 教程,来自Claude 官方,不会写 prompt的看这个足够

15 种高级 RAG 技术,值得收藏!

几个常用 的 LLM Leaderboard 榜单,值得收藏

又发现了一个好用的AI浏览器插件,总结:快、准、狠

kimi 浏览器助手插件,这是首款官方插件!赶紧尝鲜

如何让大模型遵循你的结构化输出指令小技巧

又发现了一个很良心的 prompt 提示词库,简洁,有效,值得学习

RAG框架,都在这了!

28
0
0
0
关于作者
相关资源
大规模高性能计算集群优化实践
随着机器学习的发展,数据量和训练模型都有越来越大的趋势,这对基础设施有了更高的要求,包括硬件、网络架构等。本次分享主要介绍火山引擎支撑大规模高性能计算集群的架构和优化实践。
相关产品
推荐
机器学习平台
机器学习平台是面向机器学习应用开发者,提供 WebIDE 和自定义训练等丰富建模工具、多框架高性能模型推理服务的企业级云原生机器学习平台
了解详情 
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论