要求
git clone https://github.com/yisol/IDM-VTON.git
cd IDM-VTON
conda env create -f environment.yaml
conda activate idm
数据准备
VITON-HD
您可以从 VITON-HD 下载 VITON - HD 数据集。
下载 VITON-HD 数据集后，将 vitonhd_test_tagged.json 移动到测试文件夹中。
数据集目录的结构应如下所示。
train
|-- ...
test
|-- image
|-- image-densepose
|-- agnostic-mask
|-- cloth
|-- vitonhd_test_tagged.json
着装要求
您可以从DressCode下载 DressCode 数据集。
我们在这里提供预先计算的密集姿势图像和服装标题。
我们使用detectorron2来获取密集姿态图像，请参阅此处了解更多详细信息。
下载 DressCode 数据集后，放置图像密集目录和标题文本文件，如下所示。
DressCode
|-- dresses
|-- images
|-- image-densepose
|-- dc_caption.txt
|-- ...
|-- lower_body
|-- images
|-- image-densepose
|-- dc_caption.txt
|-- ...
|-- upper_body
|-- images
|-- image-densepose
|-- dc_caption.txt
|-- ...
推理
VITON-HD
使用带参数的 python 文件进行推理，
accelerate launch inference.py \
--width 768 --height 1024 --num_inference_steps 30 \
--output_dir "result" \
--unpaired \
--data_dir "DATA_DIR" \
--seed 42 \
--test_batch_size 2 \
--guidance_scale 2.0
或者，您可以简单地使用脚本文件运行。
sh inference.sh
着装要求
对于 DressCode 数据集，通过类别参数输入要生成图像的类别，
accelerate launch inference_dc.py \
--width 768 --height 1024 --num_inference_steps 30 \
--output_dir "result" \
--unpaired \
--data_dir "DATA_DIR" \
--seed 42
--test_batch_size 2
--guidance_scale 2.0
--category "upper_body"
或者，您可以简单地使用脚本文件运行。
sh inference.sh
启动本地渐变演示
在此处下载用于人工解析的检查点。
将检查点放置在 ckpt 文件夹下。
ckpt
|-- densepose
|-- model_final_162be9.pkl
|-- humanparsing
|-- parsing_atr.onnx
|-- parsing_lip.onnx
|-- openpose
|-- ckpts
|-- body_pose_model.pth
运行以下命令：
python gradio_demo/app.py
软件工具资料已经打包好!!
👆🔼领取添加VX: wenhaofree 🔼👆
