AI换装 ｜ 在 Google Colab 运行 OOTDiffusion

最新推荐文章于 2024-06-14 20:43:21 发布
最新推荐文章于 2024-06-14 20:43:21 发布
阅读量397 收藏 5
点赞数 4
分类专栏： AI 文章标签： 人工智能 ai
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wjsz2070/article/details/137945085
版权

大家好，我是无界生长，昨天的文章《AI换装 ｜ 零基础免费AI换装保姆级教程》详细介绍了如何使用 OOTDiffusion 一键换装，而之前的文章《纯福利 ｜ 手把手教你如何白嫖免费的GPU资源（一）》我们详细介绍了如何白嫖Google Colab的免费GPU资源，既然GPU资源已经搞到手了，那么应该干什么？当然是搞事情了！
在这里插入图片描述

今天我们详细介绍下如何在 Google Colab 上运行 OOTDiffusion。

在 Google Colab 运行 OOTDiffusion

之前本来想自己写个安装脚本，后来发现github上有个叫 camenduru 的老哥写好了，那我们这里就直接用现成的安装脚本，安装脚本地址：https://colab.research.google.com/github/camenduru/OOTDiffusion-jupyter/blob/main/OOTDiffusion_gradio_jupyter.ipynb

连接到GPU，点击“执行”按钮，运行安装脚本
在这里插入图片描述

等待安装完成

安装完成后，打印的安装日志里面会提供两个链接，一个是内网链接地址（默认端口为7865），一个是公网链接地址（gradio.live结尾）
在这里插入图片描述

访问 OOTDiffusion 页面

我们访问公网链接地址，就能使用 OOTDiffusion 了，熟悉的页面
在这里插入图片描述

特别注意： T4 GPU 性能比 A100 差不少，我们在 Google Colab 上玩，需要注意参数调整，Images 和 Steps 别设置太大，否则显卡内存可能会被打爆，导致页面报错，如下图所示

在这里插入图片描述

查看服务运行日志，可以看到有 OutOfMemory（OOM）异常
在这里插入图片描述

如果不小心 OOM 了，可以尝试刷新一下 OOTDiffusion 公网链接地址的页面，如果还是报错，就只能中断脚本 gradio_ootd.py 运行，重新执行 !python gradio_ootd.py

总结

本文详细介绍了如何利用 Google Colab 的免费GPU资源运行 OOTDiffusion 进行AI换装，并提醒注意GPU性能限制以避免内存溢出错误。因为 Google Colab 分配的免费GPU资源配置较低，如果想稳定运行，需要更好的配置，后续我会介绍如何本地部署 OOTDiffusion，敬请关注！

我是无界生长，如果你觉得我分享的内容对你有帮助，麻烦点个关注，带你一起玩转AI！

AI学习资料在微信公众号：无界生长，个人微信：wjsz2070
在这里插入图片描述

无界生长
关注
  • 4
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
MineColab：在Google Colab上运行Minecraft服务器
02-03
MineColab：在Google Colab上运行Minecraft服务器
Julia-on-Colab：在Google Colab上运行Julia的笔记本
02-04
Julia-on-Colab：在Google Colab上运行Julia的笔记本
OOTDiffusion: 一款强大的Open-Source图像扩散算法
gitblog_00006的博客
03-22 681
OOTDiffusion: 一款强大的Open-Source图像扩散算法 项目地址:https://gitcode.com/levihsu/OOTDiffusion OOTDiffusion 是一个开源项目，它提供了基于优化过的Out-of-Time-Order (OOT) 算法的高分辨率图像生成工具。这个项目的目的是让开发者和研究人员能够利用先进的深度学习技术进行创新性的图像合成和处理。 技术分...
AI 换装之OOTDiffusion
u011489887的专栏
06-02 291
项目地址：https://github.com/levihsu/OOTDiffusion试用地址：https://ootd.ibot.cn/
OOTDiffusion一键换衣服整合包：一个高度可控的虚拟服装试穿工具
qq_25295997的博客
05-30 891
OOTDiffusion是一款功能强大的开源虚拟试穿工具，旨在提供高质量、自然逼真的服装试穿体验。无论是半身模型还是全身模型，OOTDiffusion都能根据不同性别和体型自动调整服装效果，并根据用户的需求和偏好进一步调整试穿效果。该工具基于先进的潜在扩散模型（Latent Diffusion Models），实现了卓越的服装图像生成和融合效果。软件截图。
OOTDiffusion环境搭建&推理测试
zzq1989_的专栏
05-22 665
今天在全球最大的同性交友网站github上突然发现一个不错的虚拟试衣项目，看其效果还是不错，加入了扩散模型，效果看起来有质的提升。（4）在右侧，输入的人类图像通过掩码生成模块（mask generator， HumanParsing+OpenPose ）将需要换衣以及相近的地方被遮盖为黑色（masked），并与高斯噪声连接在一起，作为多个采样步骤的去噪UNet的输入。（2）与CLIP编码器生成的辅助调节输入一起，通过服装融合（outfitting fusion）将服装特征纳入去噪UNet。
oms-Diffusion：用户可上传服装图片与参考姿势图进行试穿，解决服装行业高昂成本问题
AIGC Studio：分享AIGC前沿知识和好玩应用，公众号同名。
03-03 1452
oms-Diffusion，该项目致力于协助中小服装商家解决约拍模特导致的高昂成本问题。只需一张服装图片，可以生成各种身穿该服装的模特。支持IPadapter-faceID结合controlnet_openpose，用户可上传服装图片与参考姿势图进行试穿。
一键虚拟换衣项目OOTDiffusion整合包发布
嘟嘟的博客
03-14 2044
今天给大家分享个一键虚拟换装的项目。我们只需要上传模特图和服饰图就可以实现一键换装。我为大家准备了整合包和使用教程。
AI新工具(20240221) OOTDiffusion-虚拟试穿技术的实现；Groq-世界上最快的大模型，每秒可以输出近500个token
haleycat的博客
02-21 2719
Cosmopedia有8个子集，根据用于提示的种子样本的来源而划分。对于主题聚类，他们首先从网络数据集中聚类了数百万个文件，然后用这些样本的提取内容提示Mixtral 8x7B，并要求它找到它们共同的主题并为该主题提供教育得分。OOTDiffusion是一种基于潜在扩散的虚拟试穿技术，其主要目的是通过实现控制性的换装融合，让用户能够在虚拟环境中试穿不同的服装。SoraWebui是一个开源项目，它的主要功能是利用OpenAI开发的Sora模型，通过文本输入在线生成视频，非常简便易用，还支持一键式网站部署。
【虚拟换衣+论文+代码】2403.OOTDiffusion：高分辨率(1024x768)可控的虚拟试穿（已开源，暂不能训练）
进一寸有一寸的欢喜
03-08 3133
基于图片虚拟试穿（image-based virtual try-on ，VTON基于扩散模型全套试穿：Outfitting over Try-on Diffusion (利用预训练的潜在扩散模型的力量()，用于现实和可控的(realistic and controllable)虚拟试穿。在没有明确的衣物形变适应过程(warping process)的情况下，提出了一个outfitting UNet来学习服装细节特征，在扩散模型去噪过程中，通过我们提出的服装融合将其与目标人体融合。
OOTDiffusion：一个开源可控的虚拟服装试穿工具，效果接近商用！
AIGC Studio：分享AIGC前沿知识和好玩应用，公众号同名。
02-22 4647
东京大学刚开源的OOTDiffusion虚拟服装试穿工具，可根据不同性别和体型调整服装，支持半身和全身模型。利用先进技术生成高质量服装图像，用户可精细控制试穿细节，提升试穿体验。目前github项目已经开源，也提供在在线试玩的demo，效果基本上已经可以达到商用的水平。
colabcat:使用会话备份和还原在Google Colab上运行Hashcat
03-18
协作猫在具有会话还原功能和Google云端硬盘的 上运行 。用法转到下面的链接以在Google Colab中打开colabcat.ipynb文件的副本： ://colab.research.google.com/github/someshkar/colabcat/blob/master/colabcat.ipynb...
在 Google Colab 上运行 GPT4All
04-26
下载我将介绍如何在 Google Colab 上运行 GPT4ALL。
carla-colab:如何在colab上运行CARLA模拟器
05-10
在Google Colab上运行CARLA模拟器 是用于自动驾驶研究的开源模拟器。 由于对硬件的要求很高，因此对于学生在colab上运行它可能很有用。 该存储库中的笔记本显示了如何在colab上运行和可视化CARLA。
从GAN到WGAN（02/2）
最新发布
gongdiwudu的专栏
06-14 988
生成对抗网络 （GAN） 在许多生成任务中显示出巨大的效果，以复制现实世界的丰富内容，如图像、人类语言和音乐。它的灵感来自博弈论：两个模型，一个生成器和一个批评家，在相互竞争的同时使彼此更强大。然而，训练GAN模型是相当具有挑战性的，因为人们面临着训练不稳定或收敛失败等问题。在这里，我想解释一下生成对抗网络框架背后的数学原理，为什么很难训练，最后介绍一个旨在解决训练难点的GAN修改版本。
Meta首席AI科学家Yann LeCun指出生成式AI的不足
2301_79342058的博客
06-09 1472
每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！订阅：https://rengongzhineng.io/在当今被誉为技术创新前沿的生成式AI领域，Meta首席AI科学家Yann LeCun提出了一个颠覆现状的观点。
景芯SoC A72的时钟树分析
u011075954的专栏
06-13 575
innovus的ctslog中的Clock DAG信息可以报出来CTS主要运行步骤的关键信息，比如clustering，balancing做完后的clock tree的长度，clock tree上所用的buffer、inverter，icg cell数量，clock skew等信息。可以看到cell、sink的counts，也可以看到BUF、ICG的数量，接下来我们来看看景芯SoC A72 TOP的CLOCK ID和BUF个数的变化吧。先看下景芯SoC A72项目的cts latency变化过程。
yolov10主要特点
yzf060109的专栏
06-14 648
以下是YOLOv10与其他模型的快速对比：YOLOv10-S：46.3 AP，2.49毫秒延迟YOLOv10-M：51.1 AP，4.74毫秒延迟YOLOv10-L：53.2 AP，7.28毫秒延迟YOLOv10-X：54.4 AP，10.70毫秒延迟这些改进使YOLOv10成为实时目标检测任务的首选，从自动驾驶到智能监控。与YOLOv9-C相比，YOLOv10-B（一个平衡的变体）延迟减少了46%，参数量减少了25%，同时保持了相同的性能水平。一对多分配：在训练过程中使用，以提供丰富的监督信号。
google colab运行vim
05-29
Google Colab 默认并没有安装 Vim 编辑器，但是可以通过以下步骤在 Colab 中使用 Vim： 1.在 Colab 中打开一个新的代码单元格 2.在单元格中输入以下命令安装 Vim： ``` !apt-get install vim ``` 3.运行单元格以安装 Vim 4.在单元格中输入以下命令打开 Vim： ``` !vim ``` 5.现在您可以使用 Vim 编辑器进行编辑。请注意，由于 Colab 是在 Web 浏览器中运行的，因此您需要使用 Vim 的命令模式和插入模式进行编辑。 6.在退出 Vim 时，请使用以下命令：`:wq`

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值