विज़ुअल एआई गाइड

डिफ्यूजन मॉडल के साथ वर्चुअल ट्राई-ऑन

एआई वर्चुअल ट्राई-ऑन एक व्यक्ति की तस्वीर और एक परिधान की तस्वीर लेता है और परिधान पहनने वाले व्यक्ति की एक नई छवि बनाता है, जो कपड़ों के आकार, बनावट और विवरण को स्थानांतरित करते हुए उनकी मुद्रा, शरीर और चेहरे को ध्यान में रखता है।

इस गाइड को सुनेंएआई-नैरेटेड · ~3 min

इस पृष्ठ पर4 मिनट पढ़ें
  1. सिंहावलोकन
  2. गहरा गोता
  3. वास्तविक विश्व कार्यान्वयन
  4. डिफ्यूजन मॉडल के साथ वर्चुअल ट्राई-ऑन का भविष्य
  5. इसे व्यवहार में लाना
  6. अन्वेषण करते रहें
  7. अक्सर पूछे जाने वाले प्रश्नों

सिंहावलोकन

आधुनिक प्रणालियाँ केवल परिधान को शीर्ष पर चिपकाने के बजाय व्यक्ति की मुद्रा और शरीर की रूपरेखा द्वारा निर्देशित प्रसार मॉडल का उपयोग करती हैं। यह मायने रखता है क्योंकि यह बदलता है कि लोग ऑनलाइन खरीदारी कैसे करते हैं, लेकिन यह दिखाता है कि कपड़े कैसे दिख सकते हैं, न कि यह कि वे वास्तव में फिट होंगे या नहीं।

गहरा गोता

वर्चुअल ट्राइ-ऑन के दो काम हैं जो एक-दूसरे के खिलाफ खींचते हैं: व्यक्ति को अपरिवर्तित रखें (चेहरा, बाल, त्वचा का रंग, शरीर का आकार, मुद्रा) और परिधान को ईमानदारी से पुन: पेश करें (कट, रंग, प्रिंट, लोगो, कपड़े की बनावट)। VITON (2018) और CP-VTON जैसे शुरुआती तरीकों ने दो चरणों में काम किया। पहले उन्होंने व्यक्ति की मुद्रा से मेल खाने के लिए सपाट परिधान की छवि को विकृत किया, अक्सर एक पतली-प्लेट तख़्ता या सीखे हुए प्रवाह क्षेत्र का उपयोग करते हुए, फिर दूसरे नेटवर्क ने विकृत परिधान को तस्वीर में मिश्रित किया। इन विधियों को बड़े पोज़ परिवर्तन, क्रॉस्ड आर्म्स और जटिल प्रिंट जैसे अवरोधों से जूझना पड़ा, क्योंकि 2डी ताना-बाना परिधान के उन हिस्सों का आविष्कार नहीं कर सकता जो कभी दिखाई नहीं देते थे। प्रसार मॉडल ने दूसरे चरण को बदल दिया। सम्मिश्रण के बजाय, मॉडल परिधान छवि, व्यक्ति की मुद्रा के मुख्य बिंदु, बॉडी-पार्सिंग मानचित्र और मूल तस्वीर के एक मुखौटा संस्करण पर वातानुकूलित होने के दौरान शोर से कपड़ों के क्षेत्र को पुनर्जीवित करता है। Google के ट्राइऑनडिफ्यूजन (2023) ने दो समानांतर नेटवर्क का उपयोग किया जो क्रॉस-अटेंशन के माध्यम से सूचनाओं का आदान-प्रदान करता है, जिससे परिधान को एक अलग चरण के बजाय मॉडल के अंदर अंतर्निहित रूप से विकृत किया जा सकता है; Google ने विभिन्न आकारों के वास्तविक मॉडलों पर दिखाए गए अपने शॉपिंग परिणामों में ट्राई-ऑन सुविधा के लिए तकनीकों के इस परिवार का उपयोग किया। स्टेबलविटॉन, ओओटीडिफ्यूजन और IDM-VTON जैसे ओपन रिसर्च मॉडल ने कार्य के लिए Stable Diffusion को अनुकूलित किया। आम ग़लतफ़हमी यह है कि ट्राई-ऑन आपको आपका आकार बताता है। यदि ऐसा नहीं होता। मॉडल में परिधान के खिंचाव या आपके शरीर का कोई माप नहीं है; यह इस बात की एक विश्वसनीय छवि तैयार करता है कि उस शैली के कपड़े कैसे पहने जाते हैं। विफलता मोड में ऐसे टॉप शामिल हैं जो हर शरीर पर समान रूप से फिट दिखते हैं, खोया हुआ या धुंधला हुआ टेक्स्ट और लोगो, परिवर्तित त्वचा टोन या शरीर का आकार, आविष्कृत हाथ और भुजाएं, और शरीर के प्रकार, त्वचा टोन, कपड़ों की शैली या पोज़ के लिए कमजोर परिणाम जो प्रशिक्षण डेटा में दुर्लभ हैं।

वास्तविक विश्व कार्यान्वयन

एक ऑनलाइन खरीदार एक मॉडल चुनता है जो मोटे तौर पर उनके शरीर के प्रकार से मेल खाता है और खरीदने का निर्णय लेने से पहले उस व्यक्ति पर कई मुद्राओं में प्रस्तुत ब्लाउज देखता है।

एक फैशन रिटेलर प्रत्येक नए परिधान की एक बार सपाट सतह पर तस्वीरें लेता है और नए फोटो शूट की बुकिंग के बजाय इसे कई कैटलॉग मॉडल पर दिखाने के लिए ट्राई-ऑन जेनरेशन का उपयोग करता है।

एक खरीदार ट्राई-ऑन ऐप पर अपने पूरे शरीर की तस्वीर अपलोड करता है और खुद पर एक जैकेट देखता है, यह देखते हुए कि आस्तीन की लंबाई मापी जाने के बजाय अनुमानित है।

एक शोध टीम शरीर के आकार और त्वचा टोन की एक विस्तृत श्रृंखला को कवर करने वाले परीक्षण सेट पर एक ट्राई-ऑन मॉडल का मूल्यांकन करती है और पाती है कि लोगो और धारियां बड़े शरीर और असामान्य पोज़ पर अधिक विकृत होती हैं।

डिफ्यूजन मॉडल के साथ वर्चुअल ट्राई-ऑन का भविष्य

अनुसंधान वीडियो ट्राय-ऑन, मल्टी-गारमेंट आउटफिट और ओवरसाइज़्ड बनाम स्लिम जैसी फिट विशेषताओं पर नियंत्रण की ओर बढ़ रहा है। एक कठिन, अनसुलझा कदम छवि को भौतिक वास्तविकता से जोड़ना है: आकार चार्ट, कपड़े के गुणों और शरीर के माप का संयोजन, संभवतः 3 डी बॉडी मॉडल और कपड़ा सिमुलेशन के साथ, इसलिए पूर्वावलोकन एक चापलूसी अनुमान के बजाय वास्तविक फिट को दर्शाता है। ट्राई-ऑन व्यवहार में रिटर्न कम करता है या नहीं, यह उस लिंक और खुदरा विक्रेताओं द्वारा ईमानदार मूल्यांकन प्रकाशित करने पर निर्भर करता है। उपयोगकर्ता द्वारा अपलोड की गई तस्वीरों के लिए सहमति और गोपनीयता और विभिन्न निकायों में प्रदर्शन पर निरंतर ध्यान देने की अपेक्षा करें।

इसे व्यवहार में लाना

यह क्यों मायने रखता है?

  • गति और पैमाना. विज़ुअल एआई बड़े पैमाने पर निरीक्षण, पता लगाने और टैगिंग कार्यों को स्वचालित कर सकता है।
  • विकल्प बनाएं. रचनात्मक टीमें कम मैन्युअल संशोधनों के साथ तेजी से अवधारणाओं का प्रोटोटाइप बना सकती हैं।
  • टीम और वर्कफ़्लो. संचालन छवि और वीडियो संकेतों का उपयोग कर सकते हैं जिन्हें संसाधित करना पहले कठिन था।

का ध्यान रखें

  • यदि उत्पत्ति अस्पष्ट है तो छवि अधिकार और सहमति कानूनी जोखिम बन सकते हैं।
  • मॉडल का प्रदर्शन प्रकाश व्यवस्था, जनसांख्यिकी और वातावरण के अनुसार भिन्न हो सकता है।
  • जब तक आत्मविश्वास की सीमा की निगरानी नहीं की जाती, तब तक झूठी सकारात्मक बातों पर ध्यान नहीं दिया जा सकता।

अगले चरण

  1. सटीकता, रिकॉल और त्रुटि लागत के लिए स्वीकृति मानदंड परिभाषित करें।
  2. वास्तविक उत्पादन स्थितियों से मेल खाने वाले डेटा के साथ परीक्षण करें।
  3. कम-आत्मविश्वास या उच्च-प्रभाव वाली भविष्यवाणियों के लिए मानवीय समीक्षा जोड़ें।
  4. कैमरा या डेटासेट में बदलाव के बाद मॉडल बहाव को ट्रैक करें और पुनः सत्यापित करें।

अन्वेषण करते रहें

मुफ़्त न्यूज़लेटर

दैनिक एआई ब्रीफिंग प्राप्त करें

हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।

प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।

स्वयं की जांच करो

Take the Virtual Try-On with Diffusion Models quiz

प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।

प्रश्नोत्तरी प्रारंभ करें

निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें

अक्सर पूछे जाने वाले प्रश्नों

डिफ्यूज़न मॉडल के साथ वर्चुअल ट्राई-ऑन क्या है?

एआई वर्चुअल ट्राई-ऑन एक व्यक्ति की तस्वीर और एक परिधान की तस्वीर लेता है और परिधान पहनने वाले व्यक्ति की एक नई छवि बनाता है, जो कपड़ों के आकार, बनावट और विवरण को स्थानांतरित करते हुए उनकी मुद्रा, शरीर और चेहरे को ध्यान में रखता है। आधुनिक प्रणालियाँ केवल परिधान को शीर्ष पर चिपकाने के बजाय व्यक्ति की मुद्रा और शरीर की रूपरेखा द्वारा निर्देशित प्रसार मॉडल का उपयोग करती हैं। यह मायने रखता है क्योंकि यह बदलता है कि लोग ऑनलाइन खरीदारी कैसे करते हैं, लेकिन यह दिखाता है कि कपड़े कैसे दिख सकते हैं, न कि यह कि वे वास्तव में फिट होंगे या नहीं।

प्रत्येक वर्चुअल ट्राइ-ऑन सिस्टम को किन दो प्रतिस्पर्धी लक्ष्यों को संतुलित करना चाहिए?

परिधान के कट, रंग और प्रिंट को स्थानांतरित करते समय ट्राय-ऑन को व्यक्ति की पहचान, मुद्रा और शरीर को संरक्षित करना चाहिए। एक को सुधारने से अक्सर दूसरे को नुकसान पहुंचता है।

VITON और CP-VTON जैसी शुरुआती विधियां मुख्य रूप से कैसे काम करती थीं?

प्रारंभिक प्रणालियों में दो-चरणीय दृष्टिकोण का उपयोग किया जाता था: एक ज्यामितीय ताना (जैसे पतली-प्लेट स्प्लिन) जिसके बाद एक सम्मिश्रण नेटवर्क होता था।

2डी वॉरपिंग को क्रॉस आर्म्स या बड़े पोज़ में बदलाव के साथ संघर्ष क्यों करना पड़ा?

एक ताना केवल मौजूदा पिक्सेल को स्थानांतरित करता है, इसलिए यह परिधान के छिपे हुए या अवरुद्ध हिस्सों को नहीं बना सकता है।

डिफ्यूज़न ट्राइ-ऑन मॉडल में, मॉडल कपड़ों के क्षेत्र में क्या करता है?

डिफ्यूजन ट्राइ-ऑन नकाबपोश कपड़ों के क्षेत्र को चित्रित करके, परिधान की विशेषताओं, मुद्रा की जानकारी और शेष व्यक्ति की छवि द्वारा निर्देशित होकर चित्रित करता है।

परिधान को स्थानांतरित करने के लिए Google के ट्राईऑनडिफ्यूजन ने किस डिज़ाइन सुविधा का उपयोग किया?

ट्राईऑनडिफ्यूजन ने क्रॉस-अटेंशन से जुड़े दो नेटवर्क का उपयोग किया ताकि परिधान को मॉडल के अंदर अंतर्निहित रूप से विकृत किया जा सके।

सीखते रहो

संबंधित मार्गदर्शिकाएँ

इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं

निःशुल्क AI प्रमाणपत्र प्राप्त करेंएक संक्षिप्त निःशुल्क पाठ्यक्रम और परीक्षा। कोई कीमत नहीं, कोई कार्ड नहीं. लगभग 2.5 घंटे.निःशुल्क प्रारंभ करें →