IDM-VTON-F16

Модель предназначена для image-based virtual try-on: по изображению человека и изображению одежды она генерирует изображение человека в выбранном предмете гардероба. Основной сценарий — виртуальная примерка одежды на фотографиях, включая работу с наборами VITON-HD и DressCode, на которых оценивался оригинальный метод.

Репозиторий классифицирует модель как Image-to-Image и StableDiffusionXLInpaintPipeline в формате Diffusers. В составе находятся компоненты Stable Diffusion XL inpainting, включая text encoder, UNet, VAE, tokenizer и дополнительные каталоги модели. Это визуальная модель, а не языковая; сведения о поддерживаемых языках, размере контекстного окна и точном числе параметров для данного варианта не указаны. Размер файлов репозитория составляет около 6 ГБ, а для запуска в примере используется torch.bfloat16 и GPU.

Сильная сторона модели — генерация реалистичных изображений виртуальной примерки с сохранением внешнего вида человека и характеристик одежды в различных сценах. Ограничения включают зависимость от качества и соответствия входных изображений, необходимость значительных вычислительных ресурсов и отсутствие подробной карточки модели с результатами оценки, ограничениями безопасности и точными характеристиками именно варианта F16. На странице camenduru/IDM-VTON-F16 лицензия не указана; у исходного IDM-VTON разработчики указывают CC BY-NC-SA 4.0, но применимость этой лицензии к производному репозиторию следует проверить отдельно.