A continuaciónSiguiente guía
Modelo de difusión GLIDE
IA visual
GUÍA visual de IA
Prueba virtual con modelos de difusión
La prueba virtual con IA toma una foto de una persona y una foto de una prenda y genera una nueva imagen de esa persona usando la prenda, manteniendo su pose, cuerpo y rostro mientras transfiere la forma, textura y detalles de la ropa.
Escuche esta guíaNarrado por IA · ~3 min
En esta pagina4 minutos de lectura
Descripción general
Los sistemas modernos utilizan modelos de difusión guiados por la postura y el contorno del cuerpo de la persona en lugar de simplemente pegar la prenda encima. Es importante porque cambia la forma en que la gente compra en línea, pero muestra cómo podría verse la ropa, no si realmente le quedará bien.
Buceo profundo
La prueba virtual tiene dos funciones que se contraponen: mantener a la persona inalterada (rostro, cabello, tono de piel, forma del cuerpo, pose) y reproducir fielmente la prenda (corte, color, estampado, logo, textura de la tela). Los primeros enfoques, como VITON (2018) y CP-VTON, funcionaron en dos etapas. Primero, deformaron la imagen plana de la prenda para que coincidiera con la pose de la persona, a menudo usando una placa delgada o un campo de flujo aprendido, luego una segunda red mezcló la prenda deformada con la foto. Estos métodos tuvieron problemas con grandes cambios de pose, oclusiones como brazos cruzados e impresiones complejas, porque una deformación 2D no puede inventar partes de la prenda que nunca fueron visibles. Los modelos de difusión cambiaron la segunda etapa. En lugar de mezclar, el modelo regenera la región de la ropa a partir del ruido mientras se condiciona a la imagen de la prenda, los puntos clave de la pose de la persona, un mapa de análisis corporal y una versión enmascarada de la foto original. TryOnDiffusion (2023) de Google utilizó dos redes paralelas que intercambian información mediante atención cruzada, permitiendo que la prenda se deforme implícitamente dentro del modelo en lugar de hacerlo en un paso separado; Google utilizó esta familia de técnicas para una función de prueba en sus resultados de compra, mostrada en modelos reales de diferentes tallas. Modelos de investigación abiertos como StableVITON, OOTDiffusion y IDM-VTON adaptaron Stable Diffusion para la tarea. El error común es creer que la prueba te indica tu talla. No es así. El modelo no tiene medidas del estiramiento de la prenda ni de tu cuerpo; produce una imagen plausible de cómo tiende a caer la ropa de ese estilo. Los modos de falla incluyen blusas que parecen idénticas en cada cuerpo, textos y logotipos perdidos o manchados, tono de piel o forma del cuerpo alterados, manos y brazos inventados y resultados más débiles para tipos de cuerpo, tonos de piel, estilos de ropa o poses que son raros en los datos de entrenamiento.
Implementación en el mundo real
Un comprador en línea elige un modelo que coincide aproximadamente con su tipo de cuerpo y ve una blusa representada en esa persona en varias poses antes de decidir si comprar o no.
Un minorista de moda fotografía cada prenda nueva una vez sobre una superficie plana y utiliza la generación de prueba para mostrarla en varios modelos del catálogo en lugar de reservar una nueva sesión de fotos.
Un comprador sube su propia foto de cuerpo completo a una aplicación de prueba y ve una chaqueta en sí mismo, notando que la longitud de la manga es adivinada en lugar de medida.
Un equipo de investigación evalúa un modelo de prueba en un equipo de prueba que cubre una amplia gama de tamaños de cuerpo y tonos de piel y descubre que los logotipos y las rayas se distorsionan más en cuerpos más grandes y poses inusuales.
El futuro de las pruebas virtuales con modelos de difusión
La investigación avanza hacia pruebas de vídeo, conjuntos con varias prendas y control sobre atributos de ajuste, como talla grande versus delgada. Un paso más difícil y sin resolver es vincular la imagen con la realidad física: combinar tablas de tallas, propiedades de la tela y medidas del cuerpo, posiblemente con modelos corporales en 3D y simulación de tela, de modo que la vista previa refleje el ajuste real en lugar de una suposición halagadora. Que las pruebas reduzcan las devoluciones en la práctica depende de ese vínculo y de que los minoristas publiquen evaluaciones honestas. Espere una atención continua al consentimiento y la privacidad de las fotos cargadas por los usuarios y al rendimiento en diversos organismos.
Poniéndolo en práctica
Por qué es importante
- Velocidad y escala. La IA visual puede automatizar tareas de inspección, detección y etiquetado a escala.
- Construir opciones. Los equipos creativos pueden crear prototipos de conceptos más rápido y con menos revisiones manuales.
- Equipo y flujo de trabajo. Las operaciones pueden utilizar señales de imagen y vídeo que antes eran difíciles de procesar.
cuidado con
- Los derechos de imagen y el consentimiento pueden convertirse en riesgos legales si la procedencia no está clara.
- El rendimiento del modelo puede variar según la iluminación, la demografía y los entornos.
- Los falsos positivos pueden pasar desapercibidos a menos que se controlen los umbrales de confianza.
Próximos pasos
- Defina criterios de aceptación para costos de precisión, recuperación y error.
- Pruebe con datos que coincidan con las condiciones reales de producción.
- Agregue revisión humana para predicciones de baja confianza o de alto impacto.
- Realice un seguimiento de la deriva del modelo y vuelva a validarlo después de cambios en la cámara o el conjunto de datos.
Sigue explorando
Boletín gratuito
Recibe el resumen diario de IA
Tres noticias verificadas sobre IA cada mañana de lunes a viernes, explicadas con claridad. Gratis para siempre y sin anuncios.
Un correo cada día laborable. Date de baja con un clic. Nunca vendemos ni compartimos tu dirección.
Ponte a prueba
Take the Virtual Try-On with Diffusion Models quiz
Corrección inmediata en cada respuesta y un certificado para compartir, con un ID verificable, cuando apruebas un curso.
Apoya la educación gratuita sobre IA. AI Understanding es una organización sin fines de lucro 501(c)(3): sin anuncios ni muros de pago, nunca. Hacer una donación
Preguntas frecuentes
¿Qué es la prueba virtual con modelos de difusión?
La prueba virtual con IA toma una foto de una persona y una foto de una prenda y genera una nueva imagen de esa persona usando la prenda, manteniendo su pose, cuerpo y rostro mientras transfiere la forma, textura y detalles de la ropa. Los sistemas modernos utilizan modelos de difusión guiados por la postura y el contorno del cuerpo de la persona en lugar de simplemente pegar la prenda encima. Es importante porque cambia la forma en que la gente compra en línea, pero muestra cómo podría verse la ropa, no si realmente le quedará bien.
¿Cuáles son los dos objetivos en competencia que todo sistema de prueba virtual debe equilibrar?
La prueba debe preservar la identidad, la pose y el cuerpo de la persona, transfiriendo el corte, el color y el estampado de la prenda. Mejorar uno a menudo perjudica al otro.
¿Cómo funcionaban principalmente los primeros métodos como VITON y CP-VTON?
Los primeros sistemas utilizaban un enfoque de dos etapas: una deformación geométrica (como splines de placas delgadas) seguida de una red de combinación.
¿Por qué la deformación 2D tenía problemas con los brazos cruzados o los grandes cambios de pose?
Una deformación sólo mueve los píxeles existentes, por lo que no puede crear partes ocultas u ocluidas de la prenda.
En un modelo de prueba de difusión, ¿qué le hace el modelo a la región de la ropa?
La prueba de difusión pinta el área de la ropa enmascarada eliminando el ruido, guiándose por las características de la prenda, la información de la pose y el resto de la imagen de la persona.
¿Qué característica de diseño utilizó TryOnDiffusion de Google para transferir la prenda?
TryOnDiffusion utilizó dos redes unidas por atención cruzada para que la prenda pudiera deformarse implícitamente dentro del modelo.
sigue aprendiendo
Guías relacionadas
Más guías seleccionadas para este tema.