Stable-Hair 使用教程

Stable-Hair 使用教程

1. 项目介绍

Stable-Hair 是一个基于 PyTorch 实现的开源项目，它提供了一个用于真实世界发型转移的扩散模型。该项目能够将各种复杂的真实发型转移到用户提供的面部图像上，适用于虚拟发型试戴等场景。Stable-Hair 采用了两阶段的管道设计，第一阶段通过训练一个脱发转换器与稳定的扩散模型去除面部图像中的头发，生成脱发图像；第二阶段则通过特定的发型提取器和潜在身份网络将目标发型以高保真度转移到脱发图像上。

2. 项目快速启动

环境搭建

在开始之前，请确保你的环境中已安装有 PyTorch，并配置了相应的版本。我们的代码是基于 diffusers 版本的 Stable Diffusion 开发的，实验中使用的是 model version v1-5。

首先，克隆项目仓库：

git clone https://github.com/Xiaojiu-z/Stable-Hair.git
cd Stable-Hair

预训练模型

从 Google Drive 下载预训练模型，并将它们保存到 models/stage1 和 models/stage2 目录下。

推理

运行以下命令进行发型转移推理：

python infer_full.py

Gradio demo

为了更灵活的使用，我们还提供了一个简单的 Gradio demo：

python gradio_demo_full.py

3. 应用案例和最佳实践

在应用 Stable-Hair 时，以下是一些最佳实践：

• 确保提供的面部图像质量高，且没有被过度编辑，以便获得最佳的转移效果。
• 如果第一阶段脱发转换器的效果不佳，那么发型转移的效果也不会理想。因此，优化第一阶段是提高整体效果的关键。
• 该模型目前仅在有限的图像数据集上进行了训练，如果想要提高模型的效果，可以考虑使用视频和全身数据集进行微调。

4. 典型生态项目

目前，Stable-Hair 作为一个发型转移工具，还没有广泛的生态项目。但是，它可以被集成到更多的美妆应用、虚拟现实试戴等场景中，为用户提供更多的虚拟体验。开发者可以在此基础上进行扩展，打造更加丰富多样的应用案例。