要求
```plain text git clone https://github.com/yisol/IDM-VTON.git cd IDM-VTON
conda env create -f environment.yaml conda activate idm
## 数据准备
<!-- truncate -->
### VITON-HD
您可以从 VITON-HD 下载 VITON - HD 数据集。
下载 VITON-HD 数据集后，将 vitonhd_test_tagged.json 移动到测试文件夹中。
数据集目录的结构应如下所示。
```plain text
train
|-- ...
test
|-- image
|-- image-densepose
|-- agnostic-mask
|-- cloth
|-- vitonhd_test_tagged.json
着装要求
您可以从 DressCode 下载 DressCode 数据集。
我们在这里 提供预先计算的密集姿势图像和服装标题。
我们使用 detectorron2 来获取密集姿态图像，请参阅 此处 了解更多详细信息。
下载 DressCode 数据集后，放置图像密集目录和标题文本文件，如下所示。
plain text DressCode |-- dresses |-- images |-- image-densepose |-- dc_caption.txt |-- ... |-- lower_body |-- images |-- image-densepose |-- dc_caption.txt |-- ... |-- upper_body |-- images |-- image-densepose |-- dc_caption.txt |-- ... ## 推理
VITON-HD
使用带参数的 python 文件进行推理，
plain text accelerate launch inference.py \ --width 768 --height 1024 --num_inference_steps 30 \ --output_dir "result" \ --unpaired \ --data_dir "DATA_DIR" \ --seed 42 \ --test_batch_size 2 \ --guidance_scale 2.0 或者，您可以简单地使用脚本文件运行。
plain text sh inference.sh ### 着装要求
对于 DressCode 数据集，通过类别参数输入要生成图像的类别，
plain text accelerate launch inference_dc.py \ --width 768 --height 1024 --num_inference_steps 30 \ --output_dir "result" \ --unpaired \ --data_dir "DATA_DIR" \ --seed 42 --test_batch_size 2 --guidance_scale 2.0 --category "upper_body" 或者，您可以简单地使用脚本文件运行。
plain text sh inference.sh ## 启动本地渐变演示
在此处 下载用于人工解析的检查点。
将检查点放置在 ckpt 文件夹下。
```plain text ckpt |– densepose |– model_final_162be9.pkl |– humanparsing |– parsing_atr.onnx |– parsing_lip.onnx
|– openpose |– ckpts |– body_pose_model.pth
运行以下命令：
```plain text
python gradio_demo/app.py
详情介绍 ： https://wenhaofree.com/IDM-VTON
