Ce flux de travail Virtual Try-On génère des visuels réalistes d'une personne portant des vêtements sélectionnés en combinant une photo du sujet avec une ou plusieurs images de vêtements. Il est conçu pour les équipes de mode, de commerce électronique et de contenu qui ont besoin d'aperçus de tenues rapides sans composition manuelle ni séances photo. Le résultat est un rendu propre et bien ajusté qui respecte la forme du corps, la pose, l'éclairage et les caractéristiques du tissu.
Sous le capot, le graphique conditionne Qwen Image Edit avec vos images et une invite en langage naturel, puis guide l'édition vers le transfert de vêtements. Vous fournissez une image de personne et jusqu'à trois images de vêtements ; le flux de travail les organise en un panneau de référence unique et effectue une édition d'image qui place de manière fiable les vêtements choisis sur le sujet. Une sortie côte à côte intégrée facilite l'inspection et l'itération.
En un coup d'œil : le flux de travail organise vos entrées en une seule image où la personne se trouve en haut et les vêtements apparaissent en dessous, puis encode ce panneau et exécute Qwen Image Edit pour produire le résultat de l'essai. Les groupes fonctionnent en séquence de gauche à droite : Sélection de Vêtements, Sélection de Personne, Image Finale d'Entrée pour Qwen, Génération et Résultats.
Téléchargez jusqu'à trois photos de produits vers les nœuds LoadImage de vêtements (LoadImage (#175), LoadImage (#177), LoadImage (#179)). Le flux de travail les compose avec ImageStitch (#280) et ImageStitch (#282) pour former une bande de vêtements propre. Les photos de produits de face avec des arrière-plans dégagés fonctionnent le mieux et rendent l'essai virtuel plus fiable. Utilisez un vêtement ou plusieurs pour laisser l'invite choisir, et gardez l'échelle cohérente entre les images.
Ajoutez votre photo de sujet à LoadImage (#170). Le graphique empile l'image de la personne au-dessus de la bande de vêtements en utilisant ImageStitch (#284) pour que la mise en page corresponde à l'instruction par défaut. Une vue centrée et de face avec un éclairage clair augmente le réalisme. Visez une pose compatible avec les vêtements que vous souhaitez essayer.
Le panneau composite est standardisé avec Qwen friendly res (ImageResizeKJv2 (#196)) à une résolution favorisée par les modèles Qwen Image, et éventuellement mise à l'échelle via ImageScaleToTotalPixels (#115) pour la vitesse ou le détail. Une PreviewImage (#240) montre exactement ce que le modèle verra. Utilisez Prompt (TextEncodeQwenImageEdit (#121)) pour décrire la tenue que vous souhaitez sur la personne, par exemple : "Habillez la personne avec la veste et la chemise montrées ci-dessous." Si nécessaire, ajoutez des contraintes dans Negative Prompt (TextEncodeQwenImageEdit (#114)) pour éviter des artefacts comme des manches supplémentaires ou des motifs dépareillés.
L'épine dorsale de la diffusion charge Qwen-Image-Edit et applique le try-on LoRA en utilisant LoraLoaderModelOnly (#233), puis exécute l'échantillonneur KSampler (#122) pour effectuer l'édition. Le modèle reçoit deux signaux alignés : la sémantique visuelle du panneau et de l'invite, et l'apparence des latents d'image encodés, un design que Qwen Image Edit utilise pour équilibrer l'identité et la fidélité. Cela produit un rendu d'essai virtuel réaliste qui s'adapte à la pose et à l'éclairage du sujet.
VAEDecode (#119) convertit le latent en une image qui est enregistrée comme sortie principale de l'essai virtuel par SaveImage (#116). Pour une évaluation rapide, ImageStitch (#250) crée un panneau de "Comparaison" côte à côte de la vue d'entrée du modèle et du résultat final, puis SaveImage (#251) l'écrit sur disque. Utilisez la vue de comparaison pour affiner les invites, échanger des vêtements ou ajuster les entrées jusqu'à ce que l'ajustement soit correct.
Prompt (#121)Construit le conditionnement qui indique à Qwen Image Edit comment habiller le sujet en utilisant les vêtements montrés ci-dessous. Rédigez des instructions claires qui font référence à la position et au type de vêtement, par exemple "Mettez le blazer noir et le tee-shirt blanc sur la personne, gardez les bijoux et les cheveux inchangés." Si plusieurs vêtements sont fournis, vous pouvez spécifier lesquels utiliser ou laisser le modèle choisir. De petits changements de formulation peuvent améliorer l'alignement et réduire les sur-éditions.
Negative Prompt (#114)Fournit des garde-fous pour décourager les modifications indésirables. Ajoutez des termes concis comme "pas de manches supplémentaires, pas de modifications de logo, pas de changement d'arrière-plan" pour préserver le contexte de la scène et les détails du produit. Utilisez cela lorsque vous voyez des artefacts tels que des cols dupliqués, des motifs déformés ou des changements de couleur non intentionnels.
Qwen friendly res (#196)Unifie le panneau composite aux dimensions adaptées à Qwen pour une géométrie stable et un meilleur alignement des vêtements. Choisissez un aspect qui correspond au cadrage de votre sujet et laissez de l'espace pour la bande de vêtements en dessous. Si vous changez l'orientation, mettez à jour l'invite pour qu'elle décrive toujours "personne en haut, vêtements en bas."
LoraLoaderModelOnly (#233)Applique le try-on LoRA qui renforce le comportement de transfert de vêtements. Si les résultats semblent trop stylisés ou que l'identité dérive, baissez le poids du LoRA. Si les vêtements ne se transfèrent pas avec confiance, augmentez-le légèrement. Réexécutez avec la même graine pour comparer les changements de manière fiable.
KSampler (#122)Contrôle le détail et l'adhérence à vos instructions. Augmentez modérément les étapes pour une plus grande fidélité ou baissez-les pour des aperçus plus rapides. Ajustez l'échelle de guidage si l'édition est trop faible ou trop agressive, et définissez une graine fixe lorsque vous souhaitez des résultats d'essai virtuel répétables.
ImageScaleToTotalPixels (#115), puis augmentez-le pour votre passage final.Références utiles sur les modèles sous-jacents :
Ce flux de travail implémente et s'appuie sur les œuvres et ressources suivantes. Nous remercions gracieusement @BenjisAIPlayground du Virtual Try-On Demo pour le flux de travail de démonstration. Pour des détails autoritaires, veuillez vous référer à la documentation et aux référentiels originaux liés ci-dessous.
Note : L'utilisation des modèles, ensembles de données et codes référencés est soumise aux licences et termes respectifs fournis par leurs auteurs et mainteneurs.
RunComfy est la première ComfyUI plateforme, offrant des ComfyUI en ligne environnement et services, ainsi que des workflows ComfyUI proposant des visuels époustouflants. RunComfy propose également AI Playground, permettant aux artistes d'utiliser les derniers outils d'IA pour créer des œuvres d'art incroyables.
