fashn-vton-1.5
github地址：https://github.com/fashn-AI/fashn-vton-1.5
0️⃣ 项目定位：是什么？
fashn-vton-1.5 是一个开源的虚拟试衣模型，旨在提供生产级的高质量生成方案。
| 📥 输入 | 📤 输出 |
|---|---|
| 👤 人物照片<br>👕 服装图片 | ✨ “人穿衣”的真实感图像 |
- 核心定位：可用于生产环境的高质量开源方案。
- 适用场景：电商展示、试衣 App、内容创作等。
🚀 一、四大核心亮点
1️⃣ Pixel-space（像素空间生成）
解决痛点： 传统方法因压缩导致细节丢失。
| 对比项 | 传统 VTON (Latent Space) | fashn-vton-1.5 (Pixel Space) |
|---|---|---|
| 处理方式 | VAE 压缩 → Latent → 解码 | 直接在 RGB 像素空间生成 |
| 细节表现 | ❌ Logo/纹理易模糊 | ✅ 清晰、真实，接近电商效果 |
2️⃣ Maskless（无分割推理）
解决痛点： 传统方法依赖人体分割 Mask，边界易出错。
- 无需 Mask：完全不需要手动或模型生成的人体分割图。
- 自动学习：模型自动判断“哪里该换衣服”、“哪里保持不变”。
- 效果优势：
- 🧥 衣服形变更自然（如宽松衣物）。
- 👤 完美保留人体特征（脸、手等细节）。
3️⃣ 高性价比（非巨型模型）
定位： 垂直领域专用优化，而非盲目堆砌参数。
- ⚙️ 参数量：约 972M (接近 10 亿)
- 🖥️ 推理速度：H100 ≈ 5 秒/张
- 💾 显存需求：~8GB (消费级 GPU 即可运行)
4️⃣ 完全开源 + 可商用
关键意义： 摆脱闭源 API 依赖，直接落地产品。
- 📜 License：
Apache 2.0 - 📦 资源提供：
- ✅ HuggingFace 权重
- ✅ GitHub 推理代码
- 💰 商业友好：可直接用于电商或试衣 App 开发。
🧠 二、模型架构简述
核心架构：MMDiT (多模态扩散 Transformer)
- 双流交互：Person + Garment 分别编码，学习衣服如何匹配人体。
- 单流融合：统一生成最终图像。
- Patch-mixer：关键优化点，用于降低计算成本。
📝 输入数据包含
- 👤 人物图
- 👕 服装图
- 🗺️ 姿态 (keypoints)
- 🏷️ 类别 (上衣 / 下装 / 连衣裙)
💡 总结：为什么值得关注？
| 维度 | fashn-vton-1.5 优势 |
|---|---|
| 效果 | 像素级细节保留，纹理不糊 |
| 易用性 | 无需复杂预处理 (Maskless) |
| 成本 | 消费级显卡可跑，推理快 |
| 生态 | Apache 2.0 开源，可商用落地 |
🎯 一句话评价：这是一个在效果、速度与成本之间取得极佳平衡的垂直领域专用模型。
懒人包使用
双击start.bat,等待终端启动
终端启动后，访问红框中的网址
打开网址后，按照文字提示
上面选择目标人物，下面选择要换的衣物（或者参考衣物的人像）
选top替换上半身，选择bottom替换下半身，选择one替换全身（比如连衣裙等）
Tips
点击此处 网盘下载
这个模型只专注一键换衣，适合电商等使用场景
相比其他模型，有着更好的一致性
其他的模型优点在于可以无中生有，在原本的服装上修改颜色和样式等，但也同时是缺点
当我们只想测试衣物原本的效果时，不需要改变颜色，不需要改变细节，就可以使用这个效果
建议换装时，优先使用全身照片，正面照片，这样模型效果更好
1,252字