PANDUAN AI Visual

Percubaan Maya dengan Model Penyebaran

Percubaan maya AI mengambil foto seseorang dan foto pakaian dan menghasilkan imej baharu orang itu yang memakai pakaian itu, mengekalkan pose, badan dan muka mereka sambil memindahkan bentuk, tekstur dan butiran pakaian itu.

Dengar panduan iniAI-diceritakan · ~3 min

Pada halaman ini4 minit membaca
  1. Gambaran keseluruhan
  2. Menyelam dalam
  3. Pelaksanaan Dunia Sebenar
  4. Masa Depan Percubaan Maya dengan Model Penyebaran
  5. Mempraktikkannya
  6. Teruskan Meneroka
  7. Soalan lazim

Gambaran keseluruhan

Sistem moden menggunakan model resapan berpandukan pose dan garis badan seseorang dan bukannya hanya menampal pakaian di atas. Ini penting kerana ia mengubah cara orang membeli-belah dalam talian, tetapi ia menunjukkan rupa pakaian, bukan sama ada pakaian itu sesuai.

Menyelam dalam

Percubaan maya mempunyai dua kerja yang menarik antara satu sama lain: memastikan orang itu tidak berubah (muka, rambut, ton kulit, bentuk badan, pose) dan menghasilkan semula pakaian (potongan, warna, cetakan, logo, tekstur kain) dengan setia. Pendekatan awal seperti VITON (2018) dan CP-VTON berfungsi dalam dua peringkat. Mula-mula mereka melencongkan imej pakaian rata untuk dipadankan dengan pose orang itu, selalunya menggunakan spline plat nipis atau medan aliran yang dipelajari, kemudian rangkaian kedua mengadun pakaian yang melengkung ke dalam foto. Kaedah ini bergelut dengan perubahan pose yang besar, oklusi seperti lengan bersilang, dan cetakan kompleks, kerana ledingan 2D tidak boleh mencipta bahagian pakaian yang tidak pernah kelihatan. Model penyebaran mengubah peringkat kedua. Daripada mengadun, model menjana semula kawasan pakaian daripada hingar semasa dikondisikan pada imej pakaian, titik kekunci pose orang itu, peta penghuraian badan dan versi bertopeng foto asal. TryOnDiffusion (2023) Google menggunakan dua rangkaian selari yang bertukar maklumat melalui perhatian silang, membiarkan pakaian dilencongkan secara tersirat di dalam model dan bukannya dengan langkah yang berasingan; Google menggunakan rangkaian teknik ini untuk ciri percubaan dalam hasil beli-belahnya, ditunjukkan pada model sebenar dengan saiz yang berbeza. Model penyelidikan terbuka seperti StableVITON, OOTDiffusion dan IDM-VTON menyesuaikan Stable Diffusion untuk tugas itu. Kesalahpahaman biasa ialah percubaan memberitahu anda saiz anda. Ia tidak. Model ini tidak mempunyai ukuran regangan pakaian atau badan anda; ia menghasilkan imej yang munasabah tentang bagaimana pakaian gaya itu cenderung untuk berlapik. Mod kegagalan termasuk bahagian atas yang kelihatan sama dipasang pada setiap badan, teks dan logo yang hilang atau dicalit, ton kulit atau bentuk badan yang diubah, tangan dan lengan yang dicipta dan hasil yang lebih lemah untuk jenis badan, ton kulit, gaya pakaian atau pose yang jarang berlaku dalam data latihan.

Pelaksanaan Dunia Sebenar

Pembeli dalam talian memilih model yang hampir sepadan dengan jenis badan mereka dan melihat blaus yang diberikan pada orang itu dalam beberapa pose sebelum memutuskan sama ada untuk membeli.

Seorang peruncit fesyen mengambil gambar setiap pakaian baharu sekali di atas permukaan rata dan menggunakan penjanaan percubaan untuk menunjukkannya pada beberapa model katalog dan bukannya menempah penggambaran foto baharu.

Seorang pembeli memuat naik foto seluruh badan mereka sendiri ke aplikasi percubaan dan melihat jaket pada diri mereka sendiri, perasan bahawa panjang lengan diteka dan bukannya diukur.

Pasukan penyelidik menilai model percubaan pada set ujian yang meliputi pelbagai saiz badan dan ton kulit dan mendapati bahawa logo dan jalur lebih herot pada badan yang lebih besar dan pose luar biasa.

Masa Depan Percubaan Maya dengan Model Penyebaran

Penyelidikan sedang bergerak ke arah percubaan video, pakaian berbilang pakaian dan kawalan ke atas atribut muat seperti bersaiz besar berbanding langsing. Langkah yang lebih sukar dan tidak dapat diselesaikan ialah memautkan imej kepada realiti fizikal: menggabungkan carta saiz, sifat fabrik dan ukuran badan, mungkin dengan model badan 3D dan simulasi kain, jadi pratonton mencerminkan kesesuaian sebenar dan bukannya tekaan yang menyanjung. Sama ada percubaan mengurangkan pulangan dalam amalan bergantung pada pautan itu dan pada peruncit yang menerbitkan penilaian jujur. Mengharapkan perhatian berterusan terhadap persetujuan dan privasi untuk foto yang dimuat naik pengguna dan prestasi merentas pelbagai badan.

Mempraktikkannya

Mengapa ia penting

  • Kelajuan dan skala. Visual AI boleh mengautomasikan tugas pemeriksaan, pengesanan dan penandaan pada skala.
  • Pilihan binaan. Pasukan kreatif boleh membuat prototaip konsep dengan lebih pantas dengan lebih sedikit semakan manual.
  • Pasukan dan aliran kerja. Operasi boleh menggunakan isyarat imej dan video yang sebelum ini sukar diproses.

Berhati-hati untuk

  • Hak imej dan persetujuan boleh menjadi risiko undang-undang jika asalnya tidak jelas.
  • Prestasi model boleh berbeza mengikut pencahayaan, demografi dan persekitaran.
  • Positif palsu mungkin tidak disedari melainkan ambang keyakinan dipantau.

Langkah seterusnya

  1. Tentukan kriteria penerimaan untuk ketepatan, ingatan semula dan kos ralat.
  2. Uji dengan data yang sepadan dengan keadaan pengeluaran sebenar.
  3. Tambahkan semakan manusia untuk ramalan keyakinan rendah atau berimpak tinggi.
  4. Jejaki hanyut model dan sahkan semula selepas perubahan kamera atau set data.

Teruskan Meneroka

Newsletter percuma

Dapatkan taklimat AI harian

Tiga cerita AI yang disahkan setiap pagi hari bekerja, ditulis dalam Bahasa Inggeris biasa. Percuma selamanya, tiada iklan.

Satu e-mel setiap hari bekerja. Berhenti melanggan dalam satu klik. Kami tidak pernah menjual atau berkongsi alamat anda.

Uji diri anda

Take the Virtual Try-On with Diffusion Models quiz

Maklum balas segera pada setiap jawapan, dan sijil yang boleh dikongsi dengan ID yang boleh disahkan sebaik sahaja anda lulus kursus.

Mulakan kuiz

Sokong pendidikan AI percuma. AI Understanding ialah pertubuhan bukan keuntungan 501(c)(3) — tiada iklan, tiada bayaran dinding, selamanya. Buat derma

Soalan lazim

Apakah Percubaan Maya dengan Model Penyebaran?

Percubaan maya AI mengambil foto seseorang dan foto pakaian dan menghasilkan imej baharu orang itu yang memakai pakaian itu, mengekalkan pose, badan dan muka mereka sambil memindahkan bentuk, tekstur dan butiran pakaian itu. Sistem moden menggunakan model resapan berpandukan pose dan garis badan seseorang dan bukannya hanya menampal pakaian di atas. Ini penting kerana ia mengubah cara orang membeli-belah dalam talian, tetapi ia menunjukkan rupa pakaian, bukan sama ada pakaian itu sesuai.

Apakah dua matlamat yang bersaing setiap sistem percubaan maya mesti seimbang?

Try-on mesti mengekalkan identiti, pose dan badan seseorang semasa memindahkan potongan, warna dan cetakan pakaian. Memperbaiki satu sering memudaratkan yang lain.

Bagaimanakah kaedah awal seperti VITON dan CP-VTON berfungsi terutamanya?

Sistem awal menggunakan pendekatan dua peringkat: ledingan geometri (seperti spline plat nipis) diikuti dengan rangkaian campuran.

Mengapakah meledingkan 2D bergelut dengan lengan bersilang atau pose besar?

Warp hanya menggerakkan piksel sedia ada, jadi ia tidak boleh mencipta bahagian pakaian yang tersembunyi atau tersumbat.

Dalam model cubaan resapan, apakah yang dilakukan oleh model terhadap kawasan pakaian?

Cubaan resapan mengecat kawasan pakaian bertopeng dengan mengecil, berpandukan ciri pakaian, maklumat pose dan imej orang yang lain.

Apakah ciri reka bentuk yang digunakan oleh TryOnDiffusion Google untuk memindahkan pakaian?

TryOnDiffusion menggunakan dua rangkaian yang dipautkan melalui perhatian silang supaya pakaian boleh dilencongkan secara tersirat di dalam model.