FitDiT项目使用说明

FitDiT项目使用说明

FitDiT Official implementation of "FitDiT: Advancing the Authentic Garment Details for High-fidelity Virtual Try-on" 项目地址: https://gitcode.com/gh_mirrors/fi/FitDiT

1. 项目目录结构及介绍

FitDiT项目的目录结构如下：

FitDiT/
├── examples/             # 示例文件和脚本
├── preprocess/           # 预处理相关脚本
├── resource/             # 资源文件，包括图片等
│   └── img/
├── src/                  # 源代码
├── .gitignore            # Git忽略文件
├── LICENSE               # 项目许可证
├── README.md             # 项目说明文件
├── gradio_sd3.py         # Gradio界面启动脚本
├── requirements.txt      # 项目依赖

• examples/：包含了一些示例代码和脚本，用于展示如何使用FitDiT。
• preprocess/：包含了预处理图像数据的脚本。
• resource/：存放项目所需资源文件，如示例图片等。
• src/：项目的主要源代码存放目录。
• .gitignore：指定Git应该忽略的文件和目录。
• LICENSE：项目的开源许可证信息。
• README.md：项目的详细说明文件，包含项目介绍、安装步骤、使用方法等。
• gradio_sd3.py：用于启动Gradio界面的脚本。
• requirements.txt：列出项目运行所需的Python包依赖。

2. 项目的启动文件介绍

项目的启动文件是gradio_sd3.py。这个脚本用于启动Gradio界面，用户可以通过该界面进行交互式的服装试穿操作。

启动该脚本的方式有以下几种：

• 使用bf16精度，不使用任何offload，这是最快的推理方式，同时消耗的内存最多：

  python gradio_sd3.py --model_path local_model_dir
  

• 使用fp16精度：

  python gradio_sd3.py --model_path local_model_dir --fp16
  

• 使用fp16精度，并启用CPU offload，这是中等的推理速度和内存消耗：

  python gradio_sd3.py --model_path local_model_dir --fp16 --offload
  

• 使用fp16精度，并启用积极的CPU offload，这是最慢的推理速度，但消耗的内存最少：

  python gradio_sd3.py --model_path local_model_dir --fp16 --aggressive_offload
  

在运行脚本之前，需要确保local_model_dir指向了模型权重的正确路径。

3. 项目的配置文件介绍

本项目的主要配置是通过命令行参数来完成的，没有独立的配置文件。gradio_sd3.py脚本接受以下参数：

• --model_path：指定模型权重的路径。
• --fp16：使用fp16精度。
• --offload：启用CPU offload。
• --aggressive_offload：启用积极的CPU offload。

用户可以根据自己的需求和硬件配置选择合适的参数来运行项目。

FitDiT Official implementation of "FitDiT: Advancing the Authentic Garment Details for High-fidelity Virtual Try-on" 项目地址: https://gitcode.com/gh_mirrors/fi/FitDiT