/ Модель

Характеристики

Лицензия
cc-by-nc-2.0
Базовая модель
FLUX.1-Fill-dev
Библиотека
diffusers
Опубликована
23 ноя 2024

catvton-flux-alpha

Преобразование изображенийИзображение, текст → изображение3 профессии

Модель виртуальной примерки переносит одежду с изображения товара на изображение человека с помощью маски и генерации на основе FLUX.

733скачиваний за 30 дней50лайковвеса обновлены26 ноя 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CATVTON-Flux-Alpha — модель виртуальной примерки одежды, разработанная автором под именем Black Magic An. Она переносит одежду с изображения предмета на изображение человека с учётом маски человека и использует подход CATVTON вместе с заполнением областей на основе FLUX.1 Fill. Модель предназначена для создания реалистичных визуализаций того, как выбранная одежда будет выглядеть на человеке.

Для запуска подаются изображение человека, маска, изображение одежды и, при желании, случайное зерно. В карточке указано обучение на VITON-HD и результат FID 5,59 на этом наборе при масштабе и числе шагов 30; это заявление автора, а не независимая оценка. Репозиторий использует Diffusers и формат safetensors, базовая модель — black-forest-labs/FLUX.1-Fill-dev. Лицензия CC BY-NC 2.0 разрешает использование с указанием авторства, но некоммерческое.

Сценарии применения

  • визуализация одежды на фотографии человека
  • виртуальная примерка предмета одежды по фотографии товара
  • создание изображений для онлайн-каталога одежды
  • предварительный просмотр сочетания одежды на модели

Ограничения

Для работы требуются изображение человека, маска и изображение одежды. Заявленный результат FID приведён автором для VITON-HD; лицензия ограничивает использование некоммерческими целями.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for CATVTON-Flux

CATVTON-Flux is an advanced virtual try-on solution that combines CATVTON (Contrastive Appearance and Topology Virtual Try-On) with Flux fill inpainting model for realistic and accurate clothing transfer.

Update:

Latest Achievement (2024/11/24): CatVton-Flux-Alpha achieved SOTA performance with FID: 5.593255043029785 on VITON-HD dataset. Test configuration: scale 30, step 30. My VITON-HD test inferencing results available here

Model Details

Model Description

Model Sources [optional]

Uses

The model is designed for virtual try-on applications, allowing users to visualize how different garments would look on a person. It can be used directly through command-line interface with the following parameters:

Input person image Person mask Garment image Random seed (optional)

How to Get Started with the Model

transformer = FluxTransformer2DModel.from_pretrained(
    "xiaozaa/catvton-flux-alpha", 
    torch_dtype=torch.bfloat16
)
pipe = FluxFillPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-dev",
    transformer=transformer,
    torch_dtype=torch.bfloat16
).to("cuda")



Training Details

Training Data

VITON-HD dataset

Training Procedure

Finetuning Flux1-dev-fill

Evaluation

Metrics

FID: 5.593255043029785 (SOTA)

Results

[More Information Needed]

Summary

BibTeX:

@misc{chong2024catvtonconcatenationneedvirtual,
 title={CatVTON: Concatenation Is All You Need for Virtual Try-On with Diffusion Models}, 
 author={Zheng Chong and Xiao Dong and Haoxiang Li and Shiyue Zhang and Wenqing Zhang and Xujie Zhang and Hanqing Zhao and Xiaodan Liang},
 year={2024},
 eprint={2407.15886},
 archivePrefix={arXiv},
 primaryClass={cs.CV},
 url={https://arxiv.org/abs/2407.15886}, 
}
@article{lhhuang2024iclora,
  title={In-Context LoRA for Diffusion Transformers},
  author={Huang, Lianghua and Wang, Wei and Wu, Zhi-Fan and Shi, Yupeng and Dou, Huanzhang and Liang, Chen and Feng, Yutong and Liu, Yu and Zhou, Jingren},
  journal={arXiv preprint arxiv:2410.23775},
  year={2024}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · diffusers

Нельзя запустить

Модели «картинка → картинка» пока не запускаются.

Ревизия весов
bcc19b8

0 моделей