10 分钟跑通 OOTDiffusion 虚拟试衣从两张图到试穿效果图【免费下载链接】OOTDiffusion[AAAI 2025] Official implementation of OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on项目地址: https://gitcode.com/GitHub_Trending/oo/OOTDiffusionOOTDiffusion 是一个基于扩散模型的虚拟试衣工具给一张服装图和一张模特图它输出服装穿上身的效果图。无论是做电商试穿展示还是想动手体验 AI 图像合成按下面的步骤 10 分钟内就能出第一张图。先搞清它到底在做什么整条主链路是输入 → 生成掩码 → 扩散合成 → 输出。脚本先对模特图跑 OpenPose 姿态估计和人体解析定位服装该替换的区域掩码就是需要换掉的部分然后扩散模型把服装图的纹理与细节特征注入这个区域逐像素合成最后一次性生成 4 张候选结果你挑最自然的一张。底层由人体解析、姿态估计和两条扩散流水线协同完成。 环境准备 安装最低要求LinuxUbuntu 22.04 实测、Python 3.10、PyTorch 2.0.1、有 GPU官方 demo 跑在 A100 上共 14 个依赖包。git clone https://gitcode.com/GitHub_Trending/oo/OOTDiffusion cd OOTDiffusionconda create -n ootd python3.10 conda activate ootd pip install torch2.0.1 torchvision0.15.2 torchaudio2.0.2 pip install -r requirements.txt装完还有一步容易漏把ootd、humanparsing、openpose、clip-vit-large-patch14四组权重放进checkpoints/目录下载地址在 README.md。跳过这步推理一定会报缺文件的错。▶️ 第一次跑通cd run python run_ootd.py --model_path examples/model/01008_00.jpg --cloth_path examples/garment/00151_00.jpg --sample 4这是 OOTDiffusion 虚拟试衣的最小命令--model_path填模特照片--cloth_path填服装照片--sample 4表示生成 4 张候选结果--scale、--step有默认值2.0 和 20第一次不用动。输入图会被统一缩放到 768x1024。结果落在run/images_output/out_hd_0.png到out_hd_3.png是 4 张试穿图mask.jpg是本次生成的掩码看一眼就知道模型把哪些区域当成了衣服。换一组素材试试换素材就是改两个路径从run/examples/garment/里挑任意一件衣服改--cloth_path从run/examples/model/里挑任意一个模特改--model_path命令原样重跑。想试裤子或连衣裙这类全身服装追加--model_type dc --category 2其中category必须和衣服类型配对0 上装、1 下装、2 连衣裙。想不用命令行、在浏览器里换图试穿直接跑run/gradio_ootd.py就能起一个网页界面。目录速查ootd/— 核心推理代码含高分辨率 hd 模型与全身 dc 模型preprocess/— 人体解析与 OpenPose 姿态估计用于生成试穿掩码run/run_ootd.py— 推理主入口run/examples/— 示例服装图与模特图run/images_output/— 结果输出目录checkpoints/— 模型权存放目录高频踩坑一跑就报缺文件错— 大概率是权重没下先把 4 组权重放进checkpoints/链接在 README.md。显存不足OOM— 把--sample降到 1~2 再试官方 demo 用 A100消费级显卡建议 8GB 以上显存起步。Windows 下装依赖失败— 项目只在 Ubuntu 22.04 上验证过建议用 WSL2 跑 Linux 环境。下一步想要更省事的试穿体验python run/gradio_ootd.py起一个 Gradio 网页界面传图即可出结果。想调效果参数看 ootd/pipelines_ootd/pipeline_ootd.py 里的采样步数与引导强度设置。最有价值的下一步换一张你自己的照片当模特、一件你喜欢的衣服当素材把同一套命令再跑一遍和官方示例结果对比看差异。【免费下载链接】OOTDiffusion[AAAI 2025] Official implementation of OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on项目地址: https://gitcode.com/GitHub_Trending/oo/OOTDiffusion创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考