阿里巴巴近日在GitHub上发布AnyDoor项目的在线demo,可供大家体验。它可以在不需要大量样本的情况下,仅通过简单的输入和标注就实现人物图像中服装的替换,非常适合电商产品图片制作和虚拟试衣等应用场景。
AnyDoor的核心创新在于提出了一种新的Few-Shot学习框架。传统的深度学习方法需要大量穿着不同服装的人物样本图像进行训练,才能实现服装替换。但AnyDoor改进了这一流程,可以在仅提供很少样本的情况下快速学习新任务,大大降低了图像替换的难度。
用户只需要提供两张图像作为输入,一张是原人物图像,另一张是目标服装的图片。AnyDoor会自动分析两张图的内容特征,学习如何将服装从一张图中抠取出来,然后精确地嵌入到另一张图像中。
同时,AnyDoor还提供了一个非常便利的交互式图像分割工具。用户可以用画笔选择性地标注图片区域,比如标出需要替换的服装部分。AnyDoor会获取这些标注作为指引,从而更准确地完成图像的分割与装换。
测试结果显示,AnyDoor生成的图片效果非常逼真自然,很难看出是合成图像。它可以实现各种服装风格的替换,如正装、休闲装、冬装等,都可以通过简单操作实现高质量的效果。
AnyDoor极大地降低了进行人物图像虚拟“换装”的难度。它只需要极少的样本输入,就可以进行逼真的图像装换。
这可以广泛应用于电商网站的产品图片制作和虚拟试衣功能,用户在线选择喜欢的服饰,即可查看效果,无需实际试穿，商家可一键制作商品图片。
这种零样本图像替换技术,会给许多行业带来革新的应用场景与商业模式，如果你感兴趣的可以前往上方demo地址体验。
