이 가상 착용 워크플로우는 선택한 의류를 착용한 사람의 현실적인 비주얼을 생성하기 위해 주제 사진과 하나 이상의 의류 이미지를 결합합니다. 패션, 전자 상거래, 콘텐츠 팀이 수동 합성이나 사진 촬영 없이 빠른 의상 미리보기를 필요로 할 때 설계되었습니다. 결과는 신체 형태, 자세, 조명, 직물 특성을 존중하는 깨끗하고 잘 맞는 렌더링입니다.
내부적으로 그래프는 Qwen Image Edit를 귀하의 이미지와 자연어 프롬프트로 조건화한 후 의류 전송을 향해 편집을 안내합니다. 인물 이미지와 최대 세 개의 의류 이미지를 제공하면 워크플로우가 이를 단일 참조 패널로 배열하고 선택한 의류를 주제에 신뢰성 있게 배치하는 이미지 편집을 수행합니다. 내장된 나란히 비교 출력으로 쉽게 검사하고 반복할 수 있습니다.
간단히 말해: 워크플로우는 입력을 단일 이미지로 배열합니다. 인물이 상단에 위치하고 의류가 하단에 나타난 후 이 패널을 인코딩하고 Qwen Image Edit를 실행하여 착용 결과를 생성합니다. 그룹은 왼쪽에서 오른쪽으로 순서대로 작동합니다: 의류 선택, 인물 선택, Qwen을 위한 최종 입력 이미지, 생성 및 결과.
최대 세 개의 제품 사진을 의류 LoadImage 노드 (LoadImage (#175), LoadImage (#177), LoadImage (#179))에 업로드합니다. 워크플로우는 이를 ImageStitch (#280) 및 ImageStitch (#282)와 함께 깨끗한 의류 스트립을 형성합니다. 정면 제품 샷은 배경이 깔끔할수록 더 잘 작동하며 가상 착용의 신뢰성을 높입니다. 한 가지 의류 또는 여러 개를 사용하여 프롬프트가 선택하도록 하고 이미지 간 스케일을 일관되게 유지합니다.
주제 사진을 LoadImage (#170)에 추가합니다. 그래프는 기본 지침과 일치하도록 인물 이미지를 의류 스트립 위에 쌓습니다. 중앙에 위치한 정면 뷰와 명확한 조명이 현실감을 높입니다. 착용하려는 의류와 호환 가능한 자세를 목표로 하십시오.
합성 패널은 Qwen Image 모델이 선호하는 해상도로 Qwen friendly res (ImageResizeKJv2 (#196))로 표준화되고, 속도 또는 세부 사항을 위해 ImageScaleToTotalPixels (#115)로 선택적으로 스케일링됩니다. PreviewImage (#240)는 모델이 볼 정확한 이미지를 보여줍니다. Prompt (TextEncodeQwenImageEdit (#121))를 사용하여 사람에게 원하는 의상을 설명합니다. 예를 들어: “이미지 상단의 사람을 아래에 표시된 재킷과 셔츠로 스타일링합니다.” 필요시 Negative Prompt (TextEncodeQwenImageEdit (#114))에 제약을 추가하여 여분의 소매나 불일치 패턴과 같은 아티팩트를 피하십시오.
확산 백본은 Qwen-Image-Edit를 로드하고 LoraLoaderModelOnly (#233)를 사용하여 착용 LoRA를 적용한 다음 샘플러 KSampler (#122)를 실행하여 편집을 수행합니다. 모델은 패널과 프롬프트에서 시각적 의미론과 인코딩된 이미지 잠재에서 외관의 두 가지 정렬된 신호를 수신합니다. 이는 Qwen Image Edit가 정체성과 충실도 사이의 균형을 유지하여 현실적인 가상 착용 렌더를 생성합니다.
VAEDecode (#119)는 잠재를 이미지로 변환하여 SaveImage (#116)에 의해 주요 가상 착용 출력으로 저장합니다. 빠른 평가를 위해 ImageStitch (#250)는 모델의 입력 뷰와 최종 결과의 나란히 "비교" 패널을 생성한 다음 SaveImage (#251)가 디스크에 기록합니다. 비교 뷰를 사용하여 프롬프트를 세분화하고, 의류를 교체하거나 입력을 조정하여 핏이 맞는지 확인하십시오.
Prompt (#121)아래에 표시된 의류를 사용하여 주제를 어떻게 옷 입힐지 Qwen Image Edit에 지시하는 조건을 구축합니다. 위치와 의류 유형을 참조하는 명확한 지침을 작성하십시오. 예를 들어 "검은색 블레이저와 흰색 티셔츠를 입히고, 액세서리와 머리카락은 변경하지 마십시오." 여러 의류가 제공될 경우 어떤 것을 사용할지 명시하거나 모델이 선택하도록 할 수 있습니다. 작은 단어 변경이 정렬을 개선하고 과도한 편집을 줄일 수 있습니다.
Negative Prompt (#114)원치 않는 편집을 방지하는 가드레일을 제공합니다. "여분의 소매 없음, 로고 변경 없음, 배경 변경 없음"과 같은 간결한 용어를 추가하여 장면 맥락과 제품 세부 사항을 보존합니다. 중복된 칼라, 왜곡된 패턴 또는 의도하지 않은 색상 변화와 같은 아티팩트를 볼 때 이를 사용하십시오.
Qwen friendly res (#196)합성 패널을 Qwen 친화적 치수로 통합하여 안정적인 기하학과 더 나은 의류 정렬을 제공합니다. 주제 프레이밍과 일치하는 측면을 선택하고 아래에 의류 스트립을 위한 여유 공간을 남겨두십시오. 방향을 변경할 경우 프롬프트를 업데이트하여 여전히 "위에 사람, 아래에 의류"를 설명하도록 하십시오.
LoraLoaderModelOnly (#233)의류 전송 동작을 강화하는 가상 착용 LoRA를 적용합니다. 결과가 과하게 스타일링되거나 정체성이 흐려질 경우 LoRA 가중치를 낮추십시오. 의류가 자신 있게 전송되지 않으면 약간 증가시키십시오. 동일한 시드를 사용하여 변경 사항을 신뢰성 있게 비교합니다.
KSampler (#122)세부 사항과 지침에 대한 준수를 제어합니다. 충실도를 높이기 위해 단계 수를 적당히 늘리거나 빠른 미리보기를 위해 줄입니다. 편집이 너무 약하거나 너무 공격적일 경우 가이던스 스케일을 조정하고, 반복 가능한 가상 착용 결과를 원할 때 고정 시드를 설정하십시오.
ImageScaleToTotalPixels (#115)에서 총 픽셀 수를 줄인 다음 최종 패스에서 이를 높이십시오.기본 모델에 대한 유용한 참조:
이 워크플로우는 다음 작품과 리소스를 구현하고 기반으로 합니다. Virtual Try-On Demo의 데모 워크플로우를 위해 @BenjisAIPlayground를 진심으로 감사드립니다. 권위 있는 세부 사항은 아래에 링크된 원본 문서 및 저장소를 참조하십시오.
참고: 참조된 모델, 데이터 세트 및 코드의 사용은 해당 저자 및 유지 관리자가 제공한 각각의 라이선스 및 조건의 적용을 받습니다.
RunComfy는 최고의 ComfyUI 플랫폼으로서 ComfyUI 온라인 환경과 서비스를 제공하며 ComfyUI 워크플로우 멋진 비주얼을 제공합니다. RunComfy는 또한 제공합니다 AI Playground, 예술가들이 최신 AI 도구를 활용하여 놀라운 예술을 창조할 수 있도록 지원합니다.
