CatVTON 开源项目使用与启动指南

CatVTON 开源项目使用与启动指南

CatVTON [ICLR 2025] CatVTON is a simple and efficient virtual try-on diffusion model with 1) Lightweight Network (899.06M parameters totally), 2) Parameter-Efficient Training (49.57M parameters trainable) and 3) Simplified Inference (< 8G VRAM for 1024X768 resolution). 项目地址: https://gitcode.com/gh_mirrors/ca/CatVTON

1. 项目介绍

CatVTON 是一个简单而高效的虚拟试穿扩散模型，具备以下特点：

• 轻量级网络（总参数量899.06M）
• 参数高效训练（可训练参数量49.57M）
• 简化推理（1024x768分辨率下，VRAM需求小于8G）

CatVTON 支持图像和视频虚拟试穿，并且具备高效的模型训练与部署能力。它采用了稳定扩散模型作为基础，通过自动生成遮罩实现虚拟试穿。

2. 项目快速启动

环境准备

首先，创建一个conda环境并安装必要的依赖：

conda create -n catvton python==3.9.0
conda activate catvton
cd CatVTON-main  # 或者你的CatVTON项目目录
pip install -r requirements.txt

推理

运行推理前，需要准备数据集。你可以使用VITON-HD或DressCode数据集。以下是数据集的目录结构示例：

├── VITON-HD
│   ├── test_pairs_unpaired.txt
│   ├── test
│   │   ├── image
│   │   ├── cloth
│   │   ├── agnostic-mask
...
├── DressCode
│   ├── test_pairs_paired.txt
│   ├── test_pairs_unpaired.txt
│   ├── [dresses | lower_body | upper_body]
│   │   ├── test_pairs_paired.txt
│   │   ├── test_pairs_unpaired.txt
│   │   ├── images
│   │   ├── agnostic_masks
...

对于DressCode数据集，我们提供了一个脚本来预处理遮罩：

CUDA_VISIBLE_DEVICES=0 python preprocess_agnostic_mask.py --data_root_path <你的DressCode路径>

然后，运行以下命令进行推理，检查点将自动从HuggingFace下载：

CUDA_VISIBLE_DEVICES=0 python inference.py --dataset [dresscode|vitonhd] --data_root_path <路径> --output_dir <路径> --dataloader_num_workers 8 --batch_size 8 --seed 555 --mixed_precision [no|fp16|bf16] --allow_tf32 --repaint --eval_pair

评估

获取推理结果后，可以使用以下命令计算度量指标：

CUDA_VISIBLE_DEVICES=0 python eval.py -gt_folder <你的gt图像文件夹路径> --pred_folder <你的预测图像文件夹路径> --paired --batch_size=16 --num_workers=16

3. 应用案例和最佳实践

• 案例一：在电子商务平台上，使用CatVTON为用户提供虚拟试穿功能，增加用户互动和购买意愿。
• 案例二：在游戏或虚拟现实中，利用CatVTON模型实时更换角色服装，提升用户体验。

4. 典型生态项目

• ComfyUI：为CatVTON提供了部署工作流，简化了模型在ComfyUI平台上的部署过程。
• Gradio App：提供了交互式界面，方便用户直观地体验CatVTON模型的虚拟试穿功能。

CatVTON [ICLR 2025] CatVTON is a simple and efficient virtual try-on diffusion model with 1) Lightweight Network (899.06M parameters totally), 2) Parameter-Efficient Training (49.57M parameters trainable) and 3) Simplified Inference (< 8G VRAM for 1024X768 resolution). 项目地址: https://gitcode.com/gh_mirrors/ca/CatVTON