Dieser Virtual Try-On-Workflow erzeugt realistische Visualisierungen einer Person, die ausgewählte Kleidungsstücke trägt, indem ein Subjektfoto mit einem oder mehreren Kleidungsbildern kombiniert wird. Er ist für Mode-, E-Commerce- und Content-Teams konzipiert, die schnelle Outfit-Vorschauen ohne manuelle Komposition oder Fotoshootings benötigen. Das Ergebnis ist ein sauberes, gut sitzendes Rendering, das Körperform, Pose, Beleuchtung und Stoffeigenschaften respektiert.
Im Hintergrund konditioniert das Diagramm Qwen Image Edit sowohl mit Ihren Bildern als auch mit einem natürlichen Sprachprompt und leitet die Bearbeitung in Richtung Bekleidungsübertragung. Sie liefern ein Personenbild und bis zu drei Kleidungsbilder; der Workflow arrangiert sie in einem einzigen Referenzpanel und führt eine Bildbearbeitung durch, die die ausgewählten Kleidungsstücke zuverlässig auf dem Subjekt platziert. Eine integrierte Nebeneinander-Ausgabe erleichtert die Inspektion und Iteration.
Auf einen Blick: Der Workflow arrangiert Ihre Eingaben in ein einzelnes Bild, bei dem die Person oben sitzt und die Kleidungsstücke unten erscheinen, dann kodiert dieses Panel und führt Qwen Image Edit aus, um das Anprobe-Ergebnis zu erzeugen. Die Gruppen arbeiten in Sequenz von links nach rechts: Kleidungswahl, Personenauswahl, Endgültiges Eingabebild für Qwen, Erzeugung und Ergebnisse.
Laden Sie bis zu drei Produktfotos in die Kleidungs-LoadImage-Knoten hoch (LoadImage (#175), LoadImage (#177), LoadImage (#179)). Der Workflow komponiert diese mit ImageStitch (#280) und ImageStitch (#282), um einen sauberen Kleidungsstreifen zu bilden. Frontale Produktaufnahmen mit unaufdringlichen Hintergründen funktionieren am besten und machen Virtual Try-On zuverlässiger. Verwenden Sie ein Kleidungsstück oder mehrere, um den Prompt wählen zu lassen, und halten Sie den Maßstab über die Bilder hinweg konsistent.
Fügen Sie Ihr Subjektfoto zu LoadImage (#170) hinzu. Das Diagramm stapelt das Personenbild über dem Kleidungsstreifen mit ImageStitch (#284), sodass das Layout der Standardanweisung entspricht. Eine zentrierte, frontale Ansicht mit klarer Beleuchtung erhöht die Realismus. Streben Sie eine kompatible Pose mit den Kleidungsstücken an, die Sie anprobieren möchten.
Das zusammengesetzte Panel wird mit Qwen friendly res (ImageResizeKJv2 (#196)) auf eine von Qwen Image-Modellen bevorzugte Auflösung standardisiert und optional über ImageScaleToTotalPixels (#115) für Geschwindigkeit oder Detail skaliert. Ein PreviewImage (#240) zeigt genau, was das Modell sehen wird. Verwenden Sie Prompt (TextEncodeQwenImageEdit (#121)), um das Outfit zu beschreiben, das Sie auf die Person ziehen möchten, zum Beispiel: „Style die Person im oberen Bildbereich mit der unten gezeigten Jacke und dem Hemd.“ Wenn nötig, fügen Sie Einschränkungen in Negative Prompt (TextEncodeQwenImageEdit (#114)) hinzu, um Artefakte wie zusätzliche Ärmel oder unpassende Muster zu vermeiden.
Das Diffusions-Backbone lädt Qwen-Image-Edit und wendet die Try-On LoRA mit LoraLoaderModelOnly (#233) an, dann führt es den Sampler KSampler (#122) aus, um die Bearbeitung auszuführen. Das Modell erhält zwei abgestimmte Signale: visuelle Semantik vom Panel und Prompt sowie Erscheinung von den kodierten Bildlatenzen, ein Design, das Qwen Image Edit verwendet, um Identität und Treue auszugleichen. Dies erzeugt ein realistisches Virtual Try-On-Rendering, das zur Pose und Beleuchtung des Subjekts passt.
VAEDecode (#119) konvertiert die Latenz in ein Bild, das als primäre Virtual Try-On-Ausgabe von SaveImage (#116) gespeichert wird. Für eine schnelle Beurteilung erstellt ImageStitch (#250) ein Vergleichs-Panel der Eingabeansicht des Modells und des Endergebnisses nebeneinander, dann schreibt SaveImage (#251) es auf die Festplatte. Verwenden Sie die Vergleichsansicht, um Prompts zu verfeinern, Kleidungsstücke auszutauschen oder Eingaben anzupassen, bis die Passform stimmt.
Prompt (#121)Erstellt die Konditionierung, die Qwen Image Edit sagt, wie das Subjekt mit den unten gezeigten Kleidungsstücken zu bekleiden ist. Schreiben Sie klare Anweisungen, die Position und Kleidungsart referenzieren, zum Beispiel „Zieh der Person den schwarzen Blazer und das weiße T-Shirt an, Schmuck und Haare unverändert lassen.“ Wenn mehrere Kleidungsstücke vorhanden sind, können Sie angeben, welche verwendet werden sollen, oder dem Modell die Wahl überlassen. Kleine Wortänderungen können die Ausrichtung verbessern und Überbearbeitung reduzieren.
Negative Prompt (#114)Bietet Leitplanken, um unerwünschte Bearbeitungen zu entmutigen. Fügen Sie prägnante Begriffe wie „keine zusätzlichen Ärmel, keine Logoänderungen, keine Hintergrundänderung“ hinzu, um den Szenenkontext und die Produktdetails zu erhalten. Verwenden Sie dies, wenn Sie Artefakte wie duplizierte Kragen, verzerrte Muster oder unbeabsichtigte Farbverschiebungen sehen.
Qwen friendly res (#196)Vereinheitlicht das zusammengesetzte Panel auf Qwen-freundliche Dimensionen für stabile Geometrie und bessere Kleidungsanpassung. Wählen Sie ein Format, das zu Ihrem Subjektframing passt, und lassen Sie Platz für den Kleidungsstreifen unten. Wenn Sie die Orientierung ändern, aktualisieren Sie den Prompt, sodass er immer noch „Person oben, Kleidungsstücke unten“ beschreibt.
LoraLoaderModelOnly (#233)Wendet die Virtual Try-On LoRA an, die das Verhalten der Bekleidungsübertragung stärkt. Wenn Ergebnisse überstilisiert aussehen oder die Identität abdriftet, verringern Sie das LoRA-Gewicht. Wenn Kleidungsstücke nicht sicher übertragen werden, erhöhen Sie es leicht. Führen Sie es mit dem gleichen Seed erneut aus, um Änderungen zuverlässig zu vergleichen.
KSampler (#122)Steuert Detail und Befolgung Ihrer Anweisungen. Erhöhen Sie die Schritte moderat für höhere Treue oder senken Sie sie für schnellere Vorschauen. Passen Sie die Führungsskala an, wenn die Bearbeitung zu schwach oder zu aggressiv ist, und setzen Sie einen festen Seed, wenn Sie wiederholbare Virtual Try-On-Ergebnisse wünschen.
ImageScaleToTotalPixels (#115), dann erhöhen Sie sie für Ihren finalen Durchgang.Hilfreiche Referenzen zu den zugrunde liegenden Modellen:
Dieser Workflow implementiert und baut auf den folgenden Arbeiten und Ressourcen auf. Wir danken @BenjisAIPlayground vom Virtual Try-On Demo für den Demo-Workflow. Für autoritative Details verweisen wir auf die Originaldokumentation und die unten verlinkten Repositories.
Hinweis: Die Nutzung der referenzierten Modelle, Datensätze und Codes unterliegt den jeweiligen Lizenzen und Bedingungen, die von ihren Autoren und Betreuern bereitgestellt werden.
RunComfy ist die führende ComfyUI Plattform, die ComfyUI online Umgebung und Services bietet, zusammen mit ComfyUI Workflows mit atemberaubenden Visualisierungen. RunComfy bietet auch AI-Spielplatz, Künstlern ermöglichen, die neuesten AI-Tools zu nutzen, um unglaubliche Kunst zu schaffen.
