❤️ 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

1. 智能适配：根据模特的性别和体型自动调整衣物的尺寸和形状，生成贴合的试穿效果。
2. 多种试穿模式：支持半身和全身试穿，用户可根据需求选择专注上身或下身的搭配效果，或预览完整的造型。
3. 自定义体验：用户上传模特图片和服装图片，根据个人喜好指定上半身、下半身或全身换装。

正文（附运行示例）

OOTDiffusion 是什么

OOTDiffusion是一款开源的AI虚拟试衣工具，能够智能适配不同性别和体型，自动调整衣物尺寸和形状，生成自然贴合的试穿效果。该工具支持半身和全身试穿模式，用户可以上传自己的模特和服装图片，实现高度自定义的试穿体验。

OOTDiffusion的操作流程简单，易于上手，适合服装电商、时尚行业从业者及AI试穿技术爱好者使用。

OOTDiffusion 的主要功能

• 智能适配：根据模特的性别和体型自动调整衣物的尺寸和形状，生成贴合的试穿效果。
• 多种试穿模式：支持半身和全身试穿，用户可根据需求选择专注上身或下身的搭配效果，或预览完整的造型。
• 自定义体验：用户上传模特图片和服装图片，根据个人喜好指定上半身、下半身或全身换装。
• 快速生成：操作简单，上传图片后即可快速生成试穿效果，用户体验友好，适合非技术人员使用。

OOTDiffusion 的技术原理

• 预训练的潜在扩散模型：基于预训练的潜在扩散模型（latent diffusion models），生成高质量的服装图像。
• Outfitting UNet：设计outfitting UNet学习服装在潜在空间中的细节特征，实现单步学习服装特征。
• Outfitting Fusion：提出outfitting fusion过程，在去噪UNet的自注意力层中精确对齐服装特征与目标人体，无需独立的变形过程。
• Outfitting Dropout：在训练过程中引入outfitting dropout，随机丢弃一些服装潜在表示，实现无分类器的指导，增强服装特征的控制力。
• 跨注意力机制：用CLIP文本反转（textual-inversion）和图像编码器，将服装图像的特征与文本描述相结合，作为辅助条件输入，基于跨注意力机制整合到生成过程中。

如何运行 OOTDiffusion

安装

1. 克隆仓库

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

2. 创建conda环境并安装所需包

conda create -n ootd python==3.10
conda activate ootd
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2
pip install -r requirements.txt

推理

1. 半身模型

cd OOTDiffusion/run
python run_ootd.py --model_path <model-image-path> --cloth_path <cloth-image-path> --scale 2.0 --sample 4

2. 全身模型

cd OOTDiffusion/run
python run_ootd.py --model_path <model-image-path> --cloth_path <cloth-image-path> --model_type dc --category 2 --scale 2.0 --sample 4

资源

• 项目官网：https://huggingface.co/spaces/levihsu/OOTDiffusion
• GitHub 仓库：https://github.com/levihsu/OOTDiffusion
• arXiv 技术论文：https://arxiv.org/pdf/2403.01779

❤️ 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 🥦