fashn-ai/fashn-vton-1.5
FASHN VTON v1.5 !Project Page(https://img.shields.io/badge/Project-Page-1A1A1A?style=flat)(https://fashn.ai/research/vton-1-5) !GitHub(https://img.shields.io/badge/GitHub-Repo-181717?style=flat&logo=github)(https://github.com/fashn-AI/fashn-vton-1.5...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#2 Repository Của Tuần
👕 FASHN VTON v1.5 — Thử đồ ảo photorealistic không mask, trực tiếp trên pixel
Sinh ảnh người mặc đồ thật tự nhiên trong pixel space, không cần mask phân đoạn.
FASHN VTON v1.5 là mô hình thử đồ ảo (virtual try-on) dựa trên kiến trúc MMDiT (Multimodal Diffusion Transformer). Chỉ cần ảnh người và ảnh sản phẩm (mặc trên người hoặc flat-lay), mô hình sinh ra ảnh photorealistic với người đang mặc sản phẩm. Phiên bản này tập trung vào việc vận hành trực tiếp trên không gian pixel RGB, tránh mất thông tin từ bước mã hóa VAE.
✨ Điểm nổi bật
- Sinh trực tiếp trên pixel: Dùng patch embedding 12x12, không qua VAE mã hóa, giữ nguyên chi tiết văn hóa/họa tiết.
- Không cần mask: Chạy ở chế độ segmentation-free mặc định, giữ hình dạng tự nhiên của sản phẩm.
- Giữ nguyên danh tính cơ thể: Bảo toàn xơu, hình dạng cơ thể, và quần áo văn hóa (ví dụ: hijab).
- Hỗ trợ nhiều loại ảnh sản phẩm: Cả ảnh model mặc và ảnh flat-lay.
- Tốc độ suy diễn nhanh: ~5 giây trên H100.
- Tự động phát hiện pose: Dùng DWPose để trích xuất keypoints, tích hợp sẵn trong pipeline.
- Cấu hình linh hoạt: Hỗ trợ điều chỉnh bước mẫu, guidance scale, seed.
💡 Vì sao đáng chú ý
Khác với các mô hình VAE truyền thống, FASHN VTON v1.5 sinh trực tiếp trên pixel, giảm mất thông tin và tăng độ chi tiết họa tiết. Chế độ không mask giúp sản phẩm giữ hình dạng tự nhiên thay vì bị ràng buộc bởi hình dạng quần áo gốc. Phù hợp cho ứng dụng thử đồ trực tuyến, thiết kế thời trang, và nội dung marketing sản phẩm thời trang.
#VirtualTryOn #DiffusionModel #MMDiT #FashionAI #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
!FLUX.1 dev Grid(./teaser.png) FLUX.1 Kontext dev is a 12 billion parameter rectified flow transformer capable of editing images based on text instructions. For more information, please read our blog post(https://bfl.ai/announcements/flux-1-kontext-d...
Cross-Encoder for MS Marco This model was trained on the MS Marco Passage Ranking(https://github.com/microsoft/MSMARCO-Passage-Ranking) task. The model can be used for Information Retrieval: Given a query, encode the query will all possible passages...
!Teaser(./teasergeneration.png) !Teaser(./teaserediting.png) FLUX.2 dev is a 32 billion parameter rectified flow transformer capable of generating, editing and combining images based on text instructions. For more information, please read our blog po...
FLUX 3 Image Klein for ComfyUI !Launch gallery(./launch-gallery.jpg) FLUX 3 Image Klein is a 5.6B open weights model for text-to-image generation and image editing. It takes a prompt and up to 10 reference images and returns one image. Text-to-image...
!Teaser(./realism.jpg) !Teaser(./editing.jpg) !Teaser(./others.jpg) The FLUX.2 klein model family are our fastest image models to date. FLUX.2 klein unifies generation and editing in a single compact architecture, delivering state-of-the-art quality...
!Teaser(./realism.jpg) !Teaser(./editing.jpg) !Teaser(./others.jpg) FLUX.2 klein 9B Base is a 9 billion parameter rectified flow transformer capable of generating images from text descriptions and supports multi-reference editing capabilities. For mo...
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic se...
BERT base model (uncased) Pretrained model on English language using a masked language modeling (MLM) objective. It was introduced in this paper(https://arxiv.org/abs/1810.04805) and first released in this repository(https://github.com/google-resear...