[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-levihsu--OOTDiffusion":3,"tool-levihsu--OOTDiffusion":64},[4,18,26,35,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,2,"2026-04-06T11:32:50",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":10,"last_commit_at":41,"category_tags":42,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[43,15,13,14],"语言模型",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,52],"视频",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",85013,"2026-04-06T11:09:19",[15,16,52,61,13,62,43,14,63],"插件","其他","音频",{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":78,"owner_email":78,"owner_twitter":78,"owner_website":80,"owner_url":81,"languages":82,"stars":110,"forks":111,"last_commit_at":112,"license":113,"difficulty_score":10,"env_os":114,"env_gpu":115,"env_ram":116,"env_deps":117,"category_tags":124,"github_topics":78,"view_count":32,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":125,"updated_at":126,"faqs":127,"releases":161},5055,"levihsu\u002FOOTDiffusion","OOTDiffusion","[AAAI 2025] Official implementation of \"OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on\"","OOTDiffusion 是一款基于潜在扩散模型的虚拟试衣开源工具，旨在实现高质量且可控的服装替换效果。它主要解决了传统试衣技术中衣物纹理失真、姿态适配不自然以及难以精细控制生成结果等痛点，能够根据用户提供的模特照片和服装图片，逼真地模拟上身效果，支持半身及全身多种场景。\n\n该工具特别适合计算机视觉研究人员、AI 开发者以及电商领域的数字内容创作者使用。研究人员可参考其 AAAI 2025 论文复现前沿算法；开发者能利用其开放的推理代码和预训练模型（基于 VITON-HD 和 Dress Code 数据集）集成到应用中；设计师或商家则可通过部署演示界面快速生成商品展示图。\n\n技术上，OOTDiffusion 的核心亮点在于其独特的“服装融合”（Outfitting Fusion）机制，能有效保留服装原有的细节特征并与人体姿态完美融合。项目不仅提供了完整的推理流程和 Gradio 在线演示，还最新支持了 ONNX 格式的人体解析模型，显著降低了环境配置难度，提升了在 Linux 系统下的运行稳定性。虽然目前尚未公开训练代码，但其成熟的推理方案已足以满足大多数虚拟试衣的应用需求。","# OOTDiffusion\nThis repository is the official implementation of OOTDiffusion\n\n🤗 [Try out OOTDiffusion](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Flevihsu\u002FOOTDiffusion)\n\n(Thanks to [ZeroGPU](https:\u002F\u002Fhuggingface.co\u002Fzero-gpu-explorers) for providing A100 GPUs)\n\n\u003C!-- Or [try our own demo](https:\u002F\u002Footd.ibot.cn\u002F) on RTX 4090 GPUs -->\n\n> **OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on** [[arXiv paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2403.01779)]\u003Cbr>\n> [Yuhao Xu](http:\u002F\u002Flevihsu.github.io\u002F), [Tao Gu](https:\u002F\u002Fgithub.com\u002FT-Gu), [Weifeng Chen](https:\u002F\u002Fgithub.com\u002FShineChen1024), [Chengcai Chen](https:\u002F\u002Fwww.researchgate.net\u002Fprofile\u002FChengcai-Chen)\u003Cbr>\n> Xiao-i Research\n\n\nOur model checkpoints trained on [VITON-HD](https:\u002F\u002Fgithub.com\u002Fshadow2496\u002FVITON-HD) (half-body) and [Dress Code](https:\u002F\u002Fgithub.com\u002Faimagelab\u002Fdress-code) (full-body) have been released\n\n* 🤗 [Hugging Face link](https:\u002F\u002Fhuggingface.co\u002Flevihsu\u002FOOTDiffusion) for ***checkpoints*** (ootd, humanparsing, and openpose)\n* 📢📢 We support ONNX for [humanparsing](https:\u002F\u002Fgithub.com\u002FGoGoDuck912\u002FSelf-Correction-Human-Parsing) now. Most environmental issues should have been addressed : )\n* Please also download [clip-vit-large-patch14](https:\u002F\u002Fhuggingface.co\u002Fopenai\u002Fclip-vit-large-patch14) into ***checkpoints*** folder\n* We've only tested our code and models on Linux (Ubuntu 22.04)\n\n![demo](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flevihsu_OOTDiffusion_readme_379248134c07.png) \n![workflow](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flevihsu_OOTDiffusion_readme_e6cfe1ea76bc.png) \n\n## Installation\n1. Clone the repository\n\n```sh\ngit clone https:\u002F\u002Fgithub.com\u002Flevihsu\u002FOOTDiffusion\n```\n\n2. Create a conda environment and install the required packages\n\n```sh\nconda create -n ootd python==3.10\nconda activate ootd\npip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2\npip install -r requirements.txt\n```\n\n## Inference\n1. Half-body model\n\n```sh\ncd OOTDiffusion\u002Frun\npython run_ootd.py --model_path \u003Cmodel-image-path> --cloth_path \u003Ccloth-image-path> --scale 2.0 --sample 4\n```\n\n2. Full-body model \n\n> Garment category must be paired: 0 = upperbody; 1 = lowerbody; 2 = dress\n\n```sh\ncd OOTDiffusion\u002Frun\npython run_ootd.py --model_path \u003Cmodel-image-path> --cloth_path \u003Ccloth-image-path> --model_type dc --category 2 --scale 2.0 --sample 4\n```\n\n## Citation\n```\n@article{xu2024ootdiffusion,\n  title={OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on},\n  author={Xu, Yuhao and Gu, Tao and Chen, Weifeng and Chen, Chengcai},\n  journal={arXiv preprint arXiv:2403.01779},\n  year={2024}\n}\n```\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flevihsu_OOTDiffusion_readme_7591ba84a7a7.png)](https:\u002F\u002Fstar-history.com\u002F#levihsu\u002FOOTDiffusion&Date)\n\n## TODO List\n- [x] Paper\n- [x] Gradio demo\n- [x] Inference code\n- [x] Model weights\n- [ ] Training code\n","# OOTDiffusion\n本仓库是 OOTDiffusion 的官方实现。\n\n🤗 [体验 OOTDiffusion](https:\u002F\u002Fhuggingface.co\u002Fspaces\u002Flevihsu\u002FOOTDiffusion)\n\n（感谢 [ZeroGPU](https:\u002F\u002Fhuggingface.co\u002Fzero-gpu-explorers) 提供 A100 GPU）\n\n\u003C!-- 或者在 RTX 4090 GPU 上 [尝试我们的自建 Demo](https:\u002F\u002Footd.ibot.cn\u002F) -->\n\n> **OOTDiffusion：基于潜扩散的服饰融合技术，用于可控的虚拟试穿** [[arXiv 论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2403.01779)]\u003Cbr>\n> [Yuhao Xu](http:\u002F\u002Flevihsu.github.io\u002F)、[Tao Gu](https:\u002F\u002Fgithub.com\u002FT-Gu)、[Weifeng Chen](https:\u002F\u002Fgithub.com\u002FShineChen1024)、[Chengcai Chen](https:\u002F\u002Fwww.researchgate.net\u002Fprofile\u002FChengcai-Chen)\u003Cbr>\n> 小i研究院\n\n\n我们在 [VITON-HD](https:\u002F\u002Fgithub.com\u002Fshadow2496\u002FVITON-HD)（半身）和 [Dress Code](https:\u002F\u002Fgithub.com\u002Faimagelab\u002Fdress-code)（全身）数据集上训练的模型检查点已发布。\n\n* 🤗 [Hugging Face 链接](https:\u002F\u002Fhuggingface.co\u002Flevihsu\u002FOOTDiffusion) 提供 ***检查点***（ootd、humanparsing 和 openpose）\n* 📢📢 我们现在支持 [humanparsing](https:\u002F\u002Fgithub.com\u002FGoGoDuck912\u002FSelf-Correction-Human-Parsing) 的 ONNX 格式。大多数环境问题应该已经解决 : )\n* 请同时将 [clip-vit-large-patch14](https:\u002F\u002Fhuggingface.co\u002Fopenai\u002Fclip-vit-large-patch14) 下载到 ***checkpoints*** 文件夹中。\n* 我们仅在 Linux（Ubuntu 22.04）上测试过代码和模型。\n\n![demo](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flevihsu_OOTDiffusion_readme_379248134c07.png) \n![workflow](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flevihsu_OOTDiffusion_readme_e6cfe1ea76bc.png) \n\n## 安装\n1. 克隆仓库\n\n```sh\ngit clone https:\u002F\u002Fgithub.com\u002Flevihsu\u002FOOTDiffusion\n```\n\n2. 创建 Conda 环境并安装所需包\n\n```sh\nconda create -n ootd python==3.10\nconda activate ootd\npip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2\npip install -r requirements.txt\n```\n\n## 推理\n1. 半身模型\n\n```sh\ncd OOTDiffusion\u002Frun\npython run_ootd.py --model_path \u003C模型图像路径> --cloth_path \u003C服装图像路径> --scale 2.0 --sample 4\n```\n\n2. 全身模型\n\n> 服装类别必须配对：0 = 上衣；1 = 下装；2 = 连衣裙\n\n```sh\ncd OOTDiffusion\u002Frun\npython run_ootd.py --model_path \u003C模型图像路径> --cloth_path \u003C服装图像路径> --model_type dc --category 2 --scale 2.0 --sample 4\n```\n\n## 引用\n```\n@article{xu2024ootdiffusion,\n  title={OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on},\n  author={Xu, Yuhao and Gu, Tao and Chen, Weifeng and Chen, Chengcai},\n  journal={arXiv preprint arXiv:2403.01779},\n  year={2024}\n}\n```\n\n## 星标历史\n\n[![星标历史图表](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flevihsu_OOTDiffusion_readme_7591ba84a7a7.png)](https:\u002F\u002Fstar-history.com\u002F#levihsu\u002FOOTDiffusion&Date)\n\n## 待办事项清单\n- [x] 论文\n- [x] Gradio 演示\n- [x] 推理代码\n- [x] 模型权重\n- [ ] 训练代码","# OOTDiffusion 快速上手指南\n\nOOTDiffusion 是一个基于潜在扩散模型的可控虚拟试穿工具，支持半身（Half-body）和全身（Full-body）的服装替换。\n\n## 环境准备\n\n*   **操作系统**：仅限 Linux（已在 Ubuntu 22.04 上测试通过）。\n*   **硬件要求**：推荐 NVIDIA GPU（官方演示使用 A100 或 RTX 4090）。\n*   **软件依赖**：\n    *   Python 3.10\n    *   Conda (用于环境管理)\n    *   PyTorch 2.0.1 + CUDA 环境\n\n## 安装步骤\n\n### 1. 克隆项目代码\n```sh\ngit clone https:\u002F\u002Fgithub.com\u002Flevihsu\u002FOOTDiffusion\ncd OOTDiffusion\n```\n\n### 2. 创建并激活 Conda 环境\n```sh\nconda create -n ootd python==3.10\nconda activate ootd\n```\n\n### 3. 安装深度学习框架\n建议根据本地 CUDA 版本调整，以下为官方指定版本：\n```sh\npip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2\n```\n> **国内加速提示**：如遇下载缓慢，可使用清华源或阿里源安装：\n> `pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n### 4. 安装其他依赖\n```sh\npip install -r requirements.txt\n```\n> **国内加速提示**：同上，可添加 `-i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple` 参数。\n\n### 5. 下载模型权重\n请手动下载以下模型文件并放入项目根目录下的 `checkpoints` 文件夹中（需自行创建该文件夹）：\n\n1.  **核心模型**：从 [Hugging Face](https:\u002F\u002Fhuggingface.co\u002Flevihsu\u002FOOTDiffusion) 下载 `ootd`, `humanparsing`, 和 `openpose` 相关权重。\n2.  **CLIP 模型**：下载 [clip-vit-large-patch14](https:\u002F\u002Fhuggingface.co\u002Fopenai\u002Fclip-vit-large-patch14) 并放入 `checkpoints` 文件夹。\n\n> **注意**：目前人体解析（humanparsing）已支持 ONNX，可解决大部分环境兼容性问题。\n\n## 基本使用\n\n确保当前位于 `OOTDiffusion\u002Frun` 目录下，并根据需求选择半身或全身模式。\n\n### 场景一：半身试穿 (Half-body)\n适用于上衣等半身服装替换。\n\n```sh\ncd OOTDiffusion\u002Frun\npython run_ootd.py --model_path \u003C模特图片路径> --cloth_path \u003C服装图片路径> --scale 2.0 --sample 4\n```\n\n### 场景二：全身试穿 (Full-body)\n适用于连衣裙、上下装搭配等全身效果。\n**注意**：必须指定 `--model_type dc` 和对应的 `--category`。\n*   `0`: 上身 (upperbody)\n*   `1`: 下身 (lowerbody)\n*   `2`: 连衣裙 (dress)\n\n```sh\ncd OOTDiffusion\u002Frun\npython run_ootd.py --model_path \u003C模特图片路径> --cloth_path \u003C服装图片路径> --model_type dc --category 2 --scale 2.0 --sample 4\n```\n\n**参数说明：**\n*   `--model_path`: 输入模特照片路径。\n*   `--cloth_path`: 输入服装商品图路径。\n*   `--scale`: 引导尺度，数值越高越贴近服装原图（默认 2.0）。\n*   `--sample`: 生成样本数量。\n*   输出结果将保存在运行目录下的相应文件夹中。","某时尚电商平台的运营团队急需为即将上架的夏季新款连衣裙制作多模特展示图，以适配不同体型的目标用户群体。\n\n### 没有 OOTDiffusion 时\n- **拍摄成本高昂**：每款新衣需聘请多位不同身材的真人模特进行实地拍摄，服装租赁、摄影棚及人员费用居高不下。\n- **修图效率低下**：后期设计师需手动将服装“抠图”并合成到不同模特身上，光影融合困难，常出现边缘生硬或纹理失真，单张图片耗时数小时。\n- **款式调整僵化**：若需展示同一件衣服在不同肤色或姿态下的效果，必须重新组织拍摄或进行极其复杂的局部重绘，难以快速响应市场测试需求。\n- **细节还原度差**：传统合成技术难以保留布料复杂的褶皱、透光性及印花细节，导致线上展示图与实物质感差距大，影响转化率。\n\n### 使用 OOTDiffusion 后\n- **零成本虚拟试穿**：只需上传一张服装平铺图和任意模特照片，OOTDiffusion 即可基于潜在扩散模型自动生成逼真的试穿效果，彻底省去实地拍摄环节。\n- **秒级高清生成**：利用其服装融合（Outfitting Fusion）技术，系统能在数秒内输出光影自然、边缘无缝融合的高清图像，将单图制作时间从小时级压缩至秒级。\n- **灵活可控定制**：支持通过参数精确控制模特姿态、体型及服装类别（如上衣、下装或连衣裙），轻松实现“一件衣服，千种演绎”的个性化营销素材生产。\n- **极致细节保真**：模型在 VITON-HD 和 Dress Code 数据集上训练，能完美还原布料的纹理、垂坠感及复杂图案，确保虚拟试穿效果无限接近真实上身体验。\n\nOOTDiffusion 通过将高成本的物理拍摄转化为高效的数字生成流程，让时尚电商实现了低成本、高质量且可规模化定制的虚拟试穿营销闭环。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Flevihsu_OOTDiffusion_37924813.png","levihsu","Yuhao Xu","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Flevihsu_37787f99.jpg",null,"UTokyo","http:\u002F\u002Flevihsu.github.io","https:\u002F\u002Fgithub.com\u002Flevihsu",[83,87,91,95,99,103,107],{"name":84,"color":85,"percentage":86},"Python","#3572A5",91.3,{"name":88,"color":89,"percentage":90},"Cuda","#3A4E3A",5.1,{"name":92,"color":93,"percentage":94},"C++","#f34b7d",2.9,{"name":96,"color":97,"percentage":98},"Shell","#89e051",0.5,{"name":100,"color":101,"percentage":102},"Dockerfile","#384d54",0.1,{"name":104,"color":105,"percentage":106},"C","#555555",0,{"name":108,"color":109,"percentage":106},"Makefile","#427819",6532,949,"2026-04-04T02:13:30","NOASSERTION","Linux (Ubuntu 22.04)","需要 NVIDIA GPU（官方演示使用 A100 或 RTX 4090），具体显存和 CUDA 版本未说明（依赖 torch==2.0.1）","未说明",{"notes":118,"python":119,"dependencies":120},"代码仅在 Linux (Ubuntu 22.04) 上测试过。支持 humanparsing 的 ONNX 加速以解决环境问题。需手动下载 ootd、humanparsing、openpose 检查点以及 clip-vit-large-patch14 模型至 checkpoints 文件夹。建议使用 conda 创建虚拟环境。","3.10",[121,122,123],"torch==2.0.1","torchvision==0.15.2","torchaudio==2.0.2",[15],"2026-03-27T02:49:30.150509","2026-04-07T22:49:54.979800",[128,133,138,143,148,152,157],{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},22974,"训练时 Loss 降到多少算正常？为什么生成的衣物纹理和风格不正确？","根据官方回复，模型通常在 36000 步左右收敛。如果结果不佳，最常见的原因是推理分辨率与训练分辨率不匹配。公开模型是在 768*1024 分辨率下训练的，因此测试数据也必须使用 768*1024 分辨率才能获得良好效果；如果在 384*512 分辨率下推理，结果会较差。此外，请确保代码和训练流程正确，官方否认了模型在测试集上过拟合的指控。","https:\u002F\u002Fgithub.com\u002Flevihsu\u002FOOTDiffusion\u002Fissues\u002F135",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},22975,"运行时报错缺少 config.json 文件怎么办？","这是一个常见的环境依赖问题，并非真的缺少配置文件。解决方法是安装 Python 的 config 包。请在终端执行命令：pip install config。安装后重新运行即可解决该报错。","https:\u002F\u002Fgithub.com\u002Flevihsu\u002FOOTDiffusion\u002Fissues\u002F212",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},22976,"Windows 上报错 'No CUDA runtime is found' 或找不到编译器如何解决？","Windows 用户遇到此问题通常是因为 PyTorch CUDA 版本与环境不匹配。建议直接指定 CUDA 版本安装 torch 及相关依赖。可以使用以下命令尝试修复：pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 torchaudio==2.0.2 numpy==1.24.4 scipy==1.10.1 scikit-image==0.21.0 opencv-python==4.7.0.72 pillow==9.4.0 diffusers==0.24.0 transformers==4.36.2 accelerate==0.26.1 matplotlib==3.7.4 tqdm==4.64.1 gradio==4.16.0 config==0.5.1 einops==0.7.0 ninja==1.10.2 -f https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Ftorch_stable.html","https:\u002F\u002Fgithub.com\u002Flevihsu\u002FOOTDiffusion\u002Fissues\u002F24",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},22977,"显存不足（CUDA OOM），即使是 24GB 显存也无法运行怎么办？","即使拥有 24GB 显存也可能遇到内存溢出错误。有效的解决方案是安装 xformers 库以优化显存使用。请执行命令：pip install xformers（推荐版本 0.0.24+cu118）。安装完成后重新运行脚本即可。","https:\u002F\u002Fgithub.com\u002Flevihsu\u002FOOTDiffusion\u002Fissues\u002F9",{"id":149,"question_zh":150,"answer_zh":151,"source_url":132},22978,"如何在单张 A100 (80GB) 上实现论文中提到的 Batch Size 16 或 64？","用户在复现时发现显存占用随 Batch Size 增加急剧上升，难以达到论文所述的 Batch Size 16 (1024*768)。目前社区反馈表明，每增加 1 个 Batch Size 显存消耗巨大。虽然官方未给出具体显存优化技巧，但建议检查是否使用了梯度累积（Gradient Accumulation）来模拟大 Batch Size，或者确认是否严格遵循了官方的训练脚本（官方承诺后续发布训练脚本）。",{"id":153,"question_zh":154,"answer_zh":155,"source_url":156},22979,"在非中国大陆地区无法下载夸克网盘中的资源怎么办？","由于夸克网盘主要面向中国大陆用户，海外用户可能无法直接访问。社区建议的幽默但实际的方案是“回国”或使用网络加速工具。如果无法解决下载问题，可以尝试寻找其他镜像源或联系作者获取替代下载链接。","https:\u002F\u002Fgithub.com\u002Flevihsu\u002FOOTDiffusion\u002Fissues\u002F88",{"id":158,"question_zh":159,"answer_zh":160,"source_url":132},22980,"VITON-HD 数据集上训练效果好但测试效果差，是因为模型在测试集上过拟合了吗？","不是。官方明确否认了模型在测试集上训练的指控，称这是不专业且不礼貌的猜测。测试效果差通常是因为训练超参数设置与论文不一致，或者推理时的分辨率设置错误（必须保持 768*1024）。建议仔细检查代码实现和训练过程，并参考官方即将发布的训练脚本。",[]]