Baru-baru ini, sebuah teknologi inovatif bernama "TryOffAnyone" telah diluncurkan, yang dapat mengekstraksi gambar pakaian dari foto model yang mengenakan pakaian dan menghasilkan pola pakaian yang beragam. Hal ini bertentangan dengan teknologi pemasangan AI tradisional, yang berfokus pada "mengupas" informasi pakaian dari gambar karakter daripada "mengenakan" pakaian pada karakter. Teknologi ini menggunakan algoritma pembelajaran mendalam untuk mengekstrak dan menghasilkan gambar pakaian dengan menganalisis gambar yang diunggah oleh pengguna, menghadirkan kemungkinan baru dalam bidang desain pakaian dan pemrosesan gambar.
Baru-baru ini, para peneliti meluncurkan teknologi inovatif yang disebut "TryOffAnyone" yang bertujuan untuk menghasilkan gambar berbagai pakaian dari model pakaian. Sederhananya, ini kebalikan dari produk fitting AI, dimana teknologinya dapat mengekstraksi pakaian yang dikenakan karakter.
Fungsi inti dari proyek ini adalah menggunakan algoritma pembelajaran mendalam untuk menganalisis gambar yang diunggah oleh pengguna untuk menghasilkan beragam pola pakaian yang cocok dengan pemakainya dalam gambar aslinya.
Proses penggunaan model ini cukup sederhana. Pengguna hanya perlu memberikan URL suatu gambar, dan program akan secara otomatis memproses dan menghasilkan gambar pakaian yang sesuai. Hasil yang dihasilkan akan disimpan di direktori data proyek yang ditentukan agar pengguna dapat melihat dan mengunduh. Selain itu, tim peneliti juga melakukan evaluasi terhadap kumpulan data VITON-HD dan memberikan langkah-langkah pengujian secara rinci untuk memastikan efektivitas dan keakuratan model.
Guna memudahkan pengutipan dan penggunaan sebagian besar peneliti, tim menyediakan format pengutipan lengkap di halaman GitHub, dan mendorong peneliti untuk memberikan pengakuan yang sesuai ketika menggunakan teknologi ini.
Munculnya teknologi "TryOffAnyone" menyediakan alat dan ide baru untuk desain pakaian, pemrosesan gambar, dan bidang lainnya. Pengoperasian yang mudah dan kinerja yang efisien juga memberikan lebih banyak kemungkinan untuk pengembangan aplikasi di masa depan. Kode GitHub dari teknologi ini terbuka dan dibagikan, memungkinkan lebih banyak peneliti untuk berpartisipasi dalam peningkatan dan penerapan, sehingga semakin mendorong kemajuan di bidang ini.