AI一键换衣神器 终于把老黄的黑皮夹克给换了

要求

```plain text 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

<!-- truncate -->


### 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。

```plain text
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。

plain text DressCode |-- dresses &nbsp; |-- images &nbsp; |-- image-densepose &nbsp; |-- dc_caption.txt &nbsp; |-- ... |-- lower_body &nbsp; |-- images &nbsp; |-- image-densepose &nbsp; |-- dc_caption.txt &nbsp; |-- ... |-- upper_body &nbsp; |-- images &nbsp; |-- image-densepose &nbsp; |-- dc_caption.txt &nbsp; |-- ... ## 推理

VITON-HD

使用带参数的 python 文件进行推理，

plain text accelerate launch inference.py \ &nbsp; --width 768 --height 1024 --num_inference_steps 30 \ &nbsp; --output_dir "result" \ &nbsp; --unpaired \ &nbsp; --data_dir "DATA_DIR" \ &nbsp; --seed 42 \ &nbsp; --test_batch_size 2 \ &nbsp; --guidance_scale 2.0 或者，您可以简单地使用脚本文件运行。

plain text 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，

plain text accelerate launch inference_dc.py \ &nbsp; --width 768 --height 1024 --num_inference_steps 30 \ &nbsp; --output_dir "result" \ &nbsp; --unpaired \ &nbsp; --data_dir "DATA_DIR" \ &nbsp; --seed 42 &nbsp; --test_batch_size 2 &nbsp; --guidance_scale 2.0 &nbsp; --category "upper_body" 或者，您可以简单地使用脚本文件运行。

plain text 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。

```plain text ckpt |– densepose &nbsp; |– model_final_162be9.pkl |– humanparsing &nbsp; |– parsing_atr.onnx &nbsp; |– parsing_lip.onnx

|– openpose &nbsp; |– ckpts &nbsp; &nbsp; &nbsp; |– body_pose_model.pth

运行以下命令：

```plain text
python gradio_demo/app.py

详情介绍 ： https://wenhaofree.com/IDM-VTON