产品库

虚拟试穿产品图像修复模型

Diffuse to Choose 是一种基于扩散的图像修复模型，主要用于虚拟试穿场景。它能够在修复图像时保留参考物品的细节，并且能够进行准确的语义操作。通过将参考图像的细节特征直接融入主要扩散模型的潜在特征图中，并结合感知损失来进一步保留参考物品的细节，该模型在快速推理和高保真细节方面取得了良好的平衡。

视频扩散模型，用于虚拟试穿。

Fashion-VDM是一个视频扩散模型（VDM），用于生成虚拟试穿视频。该模型接受一件衣物图片和人物视频作为输入，旨在生成人物穿着给定衣物的高质量试穿视频，同时保留人物的身份和动作。与传统的基于图像的虚拟试穿相比，Fashion-VDM在衣物细节和时间一致性方面表现出色。该技术的主要优点包括：扩散式架构、分类器自由引导增强控制、单次64帧512px视频生成的渐进式时间训练策略，以及联合图像-视频训练的有效性。Fashion-VDM在视频虚拟试穿领域树立了新的行业标准。

一款简单高效的虚拟试穿扩散模型。

CatVTON是一款基于扩散模型的虚拟试穿技术，具有轻量级网络（总共899.06M参数）、参数高效训练（49.57M可训练参数）和简化推理（1024X768分辨率下<8G VRAM）。它通过简化的网络结构和推理过程，实现了快速且高效的虚拟试穿效果，特别适合时尚行业和个性化推荐场景。

基于扩散模型的高保真服装重建虚拟试穿技术

TryOffDiff是一种基于扩散模型的高保真服装重建技术，用于从穿着个体的单张照片中生成标准化的服装图像。这项技术与传统的虚拟试穿不同，它旨在提取规范的服装图像，这在捕捉服装形状、纹理和复杂图案方面提出了独特的挑战。TryOffDiff通过使用Stable Diffusion和基于SigLIP的视觉条件来确保高保真度和细节保留。该技术在VITON-HD数据集上的实验表明，其方法优于基于姿态转移和虚拟试穿的基线方法，并且需要较少的预处理和后处理步骤。TryOffDiff不仅能够提升电子商务产品图像的质量，还能推进生成模型的评估，并激发未来在高保真重建方面的工作。

一种用于虚拟试穿任务的扩散模型，特别在真实世界场景中提高图像保真度和细节保存。

IDM-VTON是一种新型的扩散模型，用于基于图像的虚拟试穿任务，它通过结合视觉编码器和UNet网络的高级语义以及低级特征，生成具有高度真实感和细节的虚拟试穿图像。该技术通过提供详细的文本提示，增强了生成图像的真实性，并通过定制方法进一步提升了真实世界场景下的保真度和真实感。

无需更换，即可虚拟试穿各种服装。

Kolors 虚拟试穿 AI 是一款利用人工智能技术，通过用户上传的照片来虚拟试穿服装的在线平台。它通过先进的计算机视觉算法和生成对抗网络（GANs）技术，为用户提供逼真的服装试穿效果。该产品不仅改变了传统的试衣体验，还为时尚博主、服装零售商、个人造型师等提供了创新的内容创作和展示方式。它的优势在于能够提供即时的试穿效果，多样化的服装选择，以及真实感的渲染效果，同时保护用户隐私，支持个性化的服装试穿体验。

一款基于扩散模型的服装试穿技术

TryOnDiffusion是一种创新的图像合成技术，它通过两个UNets（Parallel-UNet）的结合，实现了在单一网络中同时保持服装细节和适应显著的身体姿势及形状变化。这项技术在保持服装细节的同时，能够适应不同的身体姿势和形状，解决了以往方法在细节保持和姿势适应上的不足，达到了业界领先的性能。

AnyDressing 是一种基于潜在扩散模型的可定制多服装虚拟试穿技术。

AnyDressing 是一种创新的虚拟试穿技术，通过潜在扩散模型实现多服装的个性化定制。该技术能够根据用户提供的服装组合和个性化文本提示生成逼真的虚拟试穿图像。其主要优点包括高精度的服装纹理细节处理、与多种插件的兼容性以及强大的场景适应能力。AnyDressing 的背景信息显示，它是由字节跳动和清华大学的研究团队共同开发的，旨在推动虚拟试穿技术的发展。该产品目前处于研究阶段，尚未定价，主要面向学术研究和效果展示。

可控人物图像生成模型

Leffa是一个用于可控人物图像生成的统一框架，它能够精确控制人物的外观（例如虚拟试穿）和姿态（例如姿态转移）。该模型通过在训练期间引导目标查询关注参考图像中的相应区域，减少细节扭曲，同时保持高图像质量。Leffa的主要优点包括模型无关性，可以用于提升其他扩散模型的性能。

视频虚拟试穿技术

ViViD是一个利用扩散模型进行视频虚拟试穿的新框架。它通过设计服装编码器提取精细的服装语义特征，并引入轻量级姿态编码器以确保时空一致性，生成逼真的视频试穿效果。ViViD收集了迄今为止规模最大、服装类型最多样化、分辨率最高的视频虚拟试穿数据集。

提升户外虚拟试穿效果的模型训练代码库

BooW-VTON是一个专注于提升户外虚拟试穿效果的研究项目，通过无需掩码的伪数据训练来增强虚拟试穿技术。该技术的重要性在于它能够改善在自然环境下服装试穿的真实感和准确性，对于时尚电商和虚拟现实领域具有重要意义。产品背景信息显示，该项目是基于深度学习技术的图像生成模型，旨在解决传统虚拟试穿中服装与人体融合不自然的问题。目前该项目是免费开源的，定位于研究和开发阶段。

虚拟试穿应用，通过WhatsApp发送图片试穿服装

这是一个使用Flask、Twilio的WhatsApp API和Gradio的虚拟试穿模型构建的虚拟试穿原型应用。用户可以通过WhatsApp发送图片来虚拟试穿服装，并将结果发送回用户。该应用利用了Twilio Sandbox进行WhatsApp消息的发送和接收，以及Gradio API来处理虚拟试穿模型，为用户提供了一个创新的在线购物体验。

多件服装虚拟试穿和编辑技术

M&M VTO是一种混合搭配的虚拟试穿方法，它接受多张服装图片、服装布局的文本描述以及一个人的图片作为输入，输出是这些服装在指定布局下穿在给定人物身上的可视化效果。该技术的主要优点包括：单阶段扩散模型，无需超分辨率级联，能够在1024x512分辨率下混合搭配多件服装，同时保留和扭曲复杂的服装细节；架构设计（VTO UNet Diffusion Transformer）能够分离去噪和人物特定特征，实现高效的身份保留微调策略；通过文本输入控制多件服装的布局，专门针对虚拟试穿任务微调。M&M VTO在定性和定量方面都达到了最先进的性能，并为通过语言引导和多件服装试穿开辟了新的可能性。

无需额外训练的高质量图像修复插件，适用于所有稳定扩散模型。

LanPaint 是一款针对稳定扩散模型的图像修复插件，通过多轮迭代推理，无需额外训练即可实现高质量的图像修复。该技术的重要性在于它为用户提供了一种无需复杂训练即可获得精准修复结果的解决方案，大大降低了使用门槛。LanPaint 适用于任何稳定扩散模型，包括用户自定义的模型，具有广泛的适用性和灵活性。它主要面向需要高质量图像修复的创作者和开发者，尤其是那些希望在不进行额外训练的情况下快速获得修复结果的用户。

超高质量虚拟试穿，适用于任何服装和人物

Outfit Anyone 是一款超高质量虚拟试穿产品，使用户能够在不真实试穿衣物的情况下尝试不同的时尚款式。通过采用两个流的条件扩散模型，Outfit Anyone 能够灵活处理衣物变形，生成更逼真的效果。它具备可扩展性，可以调整姿势和身体形状等因素，适用于动漫角色到真实人物的图像。Outfit Anyone 在各种场景下的表现突出了其实用性和准备好投入实际应用的程度。

使用AI技术在任何电商平台虚拟试穿衣物。

Visual Try-On Chrome Extension是一款Chrome浏览器插件，利用人工智能图像处理技术，让用户能够在任何电子商务网站上虚拟试穿衣物。该插件通过OpenAI GPT-4捕捉产品主图，上传用户图片至Cloudinary，使用Hugging Face上的Kolors模型进行AI处理，并将结果存储在浏览器缓存中以提高可用性。它保护用户隐私，不将个人数据或图片发送至服务器，仅在Hugging Face进行AI处理时例外。

图像修复的新突破

SUPIR是一种开创性的图像修复方法，利用生成先验和模型扩展的力量。利用多模态技术和先进的生成先验，SUPIR在智能和逼真的图像修复方面取得了重大进展。作为SUPIR内的关键催化剂，模型扩展显著增强了其能力，并展示了图像修复的新潜力。我们收集了一个包含2000万高分辨率、高质量图像的数据集进行模型训练，每个图像都附有描述性文本注释。SUPIR能够根据文本提示修复图像，拓宽了其应用范围和潜力。此外，我们引入了负质量提示以进一步提高感知质量。我们还开发了一种修复引导采样方法，以抑制生成式修复中遇到的保真度问题。实验证明了SUPIR出色的修复效果及其通过文本提示操控修复的新能力。

超高质量的虚拟试穿，适用于任何服装和任何人。

Outfit Anyone 是一个客户端程序，调用接口进行虚拟试穿。该模型不开源，固定且不能上传或修改，仅支持用户上传自己的服装。

基于扩散模型的2D虚拟形象生成框架

Make-Your-Anchor是一个基于扩散模型的2D虚拟形象生成框架。它只需一段1分钟左右的视频素材就可以自动生成具有精确上身和手部动作的主播风格视频。该系统采用了一种结构引导的扩散模型来将3D网格状态渲染成人物外观。通过两阶段训练策略,有效地将运动与特定外观相绑定。为了生成任意长度的时序视频,将frame-wise扩散模型的2D U-Net扩展到3D形式,并提出简单有效的批重叠时序去噪模块,从而突破推理时的视频长度限制。最后,引入了一种基于特定身份的面部增强模块,提高输出视频中面部区域的视觉质量。实验表明,该系统在视觉质量、时序一致性和身份保真度方面均优于现有技术。

SeedVR: 一种用于通用视频修复的扩散变换器模型

SeedVR 是一种创新的扩散变换器模型，专门用于处理真实世界中的视频修复任务。该模型通过其独特的移位窗口注意力机制，能够高效地处理任意长度和分辨率的视频序列。SeedVR 的设计使其在生成能力和采样效率方面都取得了显著的提升，相较于传统的扩散模型，它在合成和真实世界的基准测试中均表现出色。此外，SeedVR 还结合了因果视频自编码器、混合图像和视频训练以及渐进式训练等现代实践，进一步提高了其在视频修复领域的竞争力。作为一种前沿的视频修复技术，SeedVR 为视频内容创作者和后期制作人员提供了一种强大的工具，能够显著提升视频质量，尤其是在处理低质量或损坏的视频素材时。

基于先进 AI 模型的图像修复工具。

IOPaint 是一个免费、开源且完全可自托管的修复 / 填充工具，使用最先进的 AI 模型。它可以帮助用户删除图像中的不需要的对象、修复瑕疵、添加新对象、扩大图像等。

AI图像修复模型，用于填补图像中的缺失部分。

FLUX.1-dev-Controlnet-Inpainting-Alpha是由AlimamaCreative Team发布的AI图像修复模型，专门用于修复和填补图像中的缺失或损坏部分。该模型在768x768分辨率下表现最佳，能够实现高质量的图像修复。作为alpha版本，它展示了在图像修复领域的先进技术，并且随着进一步的训练和优化，预计将提供更加卓越的性能。

免费的惊艳虚拟换装工具

Kolors虚拟试妆AI是一种创新的人工智能技术，它允许用户在不实际穿着的情况下虚拟试穿衣服。用户可以通过上传个人照片和所需衣物的图像，AI会生成用户穿着所选服装的真实可视化效果。这项技术不仅为用户带来了便利，使他们能够从舒适的家中尝试不同的风格，而且还通过提供个性化的时尚体验来提高购物体验的准确性和效率。对于服装零售商来说，Kolors虚拟试穿AI提供了对用户试穿数据的深入分析，使他们能够了解市场趋势和消费者偏好，从而优化产品线和营销策略。

快速生成高质量图像的扩散模型

Flash Diffusion 是一种高效的图像生成模型，通过少步骤生成高质量的图像，适用于多种图像处理任务，如文本到图像、修复、超分辨率等。该模型在 COCO2014 和 COCO2017 数据集上达到了最先进的性能，同时训练时间少，参数数量少。

使用扩散模型进行图像外延

Diffusers Image Outpaint 是一个基于扩散模型的图像外延技术，它能够根据已有的图像内容，生成图像的额外部分。这项技术在图像编辑、游戏开发、虚拟现实等领域具有广泛的应用前景。它通过先进的机器学习算法，使得图像生成更加自然和逼真，为用户提供了一种创新的图像处理方式。

基于自然语言输入的图像修复算法

Inst-Inpaint是一种图像修复算法，可以根据自然语言输入估计要删除的对象并同时删除它。该产品提供了一个名为GQA-Inpaint的数据集，以及一种名为Inst-Inpaint的新型修复框架，可以根据文本提示从图像中删除对象。该产品提供了各种GAN和扩散基线，并在合成和真实图像数据集上运行实验。该产品提供了不同的评估指标，以衡量模型的质量和准确性，并显示出显著的定量和定性改进。

使用扩散模型实现时域一致的人体图像动画

MagicAnimate是一款基于扩散模型的先进框架，用于人体图像动画。它能够从单张图像和动态视频生成动画视频，具有时域一致性，能够保持参考图像的特征，并显著提升动画的保真度。MagicAnimate支持使用来自各种来源的动作序列进行图像动画，包括跨身份的动画和未见过的领域，如油画和电影角色。它还与DALLE3等T2I扩散模型无缝集成，可以根据文本生成的图像赋予动态动作。MagicAnimate由新加坡国立大学Show Lab和Bytedance字节跳动共同开发。

基于文本提示修订图像的大型扩散模型

SeedEdit是Doubao Team推出的大型扩散模型，用于根据任何文本提示修订图像。它通过逐步将图像生成器与强大的图像编辑器对齐，实现了图像重建和图像再生之间的最佳平衡。SeedEdit能够实现高审美/分辨率图像的零样本稳定编辑，并支持图像的连续修订。该技术的重要性在于其能够解决图像编辑问题中成对图像数据稀缺的核心难题，通过将文本到图像(T2I)生成模型视为弱编辑模型，并通过生成带有新提示的新图像来实现“编辑”，然后将其蒸馏并与之对齐到图像条件编辑模型中。

基于图像扩散模型的得分蒸馏采样方法

Score Distillation Sampling（SDS）是一种新近但已经广泛流行的方法，依赖于图像扩散模型来控制使用文本提示的优化问题。该论文对SDS损失函数进行了深入分析，确定了其制定中的固有问题，并提出了一个出人意料但有效的修复方法。具体而言，我们将损失分解为不同因素，并分离出产生噪声梯度的组件。在原始制定中，使用高文本指导来账户噪声，导致了不良副作用。相反，我们训练了一个浅层网络，模拟图像扩散模型的时间步相关去噪不足，以有效地将其分解出来。我们通过多个定性和定量实验（包括基于优化的图像合成和编辑、零样本图像转换网络训练、以及文本到3D合成）展示了我们新颖损失制定的多功能性和有效性。