matlab代码先保存在运行-cp-vton:重新实现的代码，以实现“基于特征的基于图像的虚拟试穿网络”

matlab代码先保存在运行迈向基于特征的图像虚拟试穿网络 为eccv2018论文``实现基于特征的保留图像的虚拟试穿网络''重新实现的代码。 结果可能与原始代码有所不同。 此代码已在pytorch = 0.4.0下进行了测试 数据预处理 我们将原始数据转换为不同的目录，以方便使用。 在原始数据根目录VITON/data下运行matlab代码convert_data.m并获取新格式。 我们将json格式用于由生成的姿势信息。 将这些目录移到我们自己的dataroot data 。 您可以在或通过运行获得已处理的数据： python data_download.py 几何匹配模块 训练 在此代码中，我们仅使用L1损失作为准则。 偏移的电视规范约束将使GMM更加可靠。 一个示例训练命令是 python train.py --name gmm_train_new --stage GMM --workers 4 --save_count 5000 --shuffle 您可以在张量板中查看结果，如下所示。 GMM火车示例。 中心图像是变形的布。 评估 使用--datamode选项为eval选择不