Недавно была запущена инновационная технология под названием «TryOffAnyone», которая может извлекать изображения одежды из фотографий моделей в одежде и генерировать разнообразные выкройки одежды. Это противоречит традиционной технологии подгонки ИИ, которая фокусируется на «удалении» информации об одежде из изображений персонажей, а не на «надевании» одежды на персонажей. Эта технология использует алгоритмы глубокого обучения для извлечения и создания изображений одежды путем анализа изображений, загруженных пользователями, что открывает новые возможности в области дизайна одежды и обработки изображений.
Недавно исследователи запустили инновационную технологию под названием «TryOffAnyone», целью которой является создание изображений различной одежды на основе одетых моделей. Проще говоря, это противоположность продуктам для подгонки ИИ, где технология может извлекать одежду, которую носит персонаж.
Основная функция этого проекта — использовать алгоритмы глубокого обучения для анализа изображений, загруженных пользователями, для создания разнообразных моделей одежды, соответствующих владельцам исходных изображений.
Процесс использования этой модели довольно прост. Пользователям нужно только указать URL-адрес изображения, и программа автоматически обработает и создаст соответствующее изображение одежды. Сгенерированные результаты будут сохранены в назначенном каталоге данных проекта, чтобы пользователи могли их просмотреть и загрузить. Кроме того, исследовательская группа также провела оценку набора данных VITON-HD и предоставила подробные этапы тестирования, чтобы гарантировать эффективность и точность модели.
Чтобы облегчить цитирование и использование большинством исследователей, команда предоставляет полный формат цитирования на странице GitHub и призывает исследователей давать соответствующее признание при использовании этой технологии.
Появление технологии TryOffAnyone открывает новые инструменты и идеи для дизайна одежды, обработки изображений и других областей. Ее удобное управление и эффективная работа также открывают больше возможностей для разработки будущих приложений. Код этой технологии на GitHub открыт и доступен для совместного использования, что позволяет большему количеству исследователей участвовать в ее усовершенствовании и применении, что еще больше способствует прогрессу в этой области.