服装
FASHN v1.5发布:AI虚拟试穿技术大幅提升,速效精准引领购物潮流
FASHN AI正式发布了其最新虚拟试穿模型FASHN v1.5,标志着虚拟试穿技术在速度、精准度和用户体验上的重大进步。 技术革新:无分割处理与速度提升FASHN v1.5引入了革命性的无分割(Segmentation-Free)技术,通过先进的AI算法,能够在单一步骤中智能地处理模特图像和服装图像。 这一创新不仅简化了传统虚拟试穿流程,还提升了试穿的精准度和自然感,使得虚拟试穿效果更加真实流畅。
中山大学联合字节智创数字人团队提出MMTryon虚拟试穿框架,效果优于现有SOTA
虚拟换装技术在特效以及电商的场景下有着广泛的应用,具有较高的商业潜质与价值。近期,中山大学联合字节跳动智能创作数字人团队提出了一种多模态多参考虚拟试穿 (VITON) 框架 MMTryon,可以通过输入多个服装图像及指定穿法的文本指令来生成高质量的组合试穿结果。对于单图换装,MMTryon有效的利用了大量的数据设计了一个表征能力强大的服装编码器, 使得该方案能处理复杂的换装场景及任意服装款式;对于组合换装,MMTryon消除了传统虚拟换装算法中对服装精细分割的依赖,可依靠一条文本指令从多张服装参考图像中选择需要试穿
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI新词
AI绘画
大模型
机器人
数据
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
英伟达
Gemini
智能体
技术
马斯克
Anthropic
图像
AI创作
训练
LLM
论文
AI for Science
代码
腾讯
苹果
算法
Agent
Claude
芯片
具身智能
Stable Diffusion
xAI
蛋白质
人形机器人
开发者
生成式
神经网络
机器学习
AI视频
3D
字节跳动
大语言模型
RAG
Sora
百度
研究
GPU
生成
华为
工具
AGI
计算
生成式AI
AI设计
大型语言模型
搜索
亚马逊
AI模型
视频生成
特斯拉
DeepMind
场景
Copilot
深度学习
Transformer
架构
MCP
编程
视觉