新闻详情

新闻详情

首页 / 资讯中心 / 详情

OOTDiffusion 报 body_pose_model.pth 缺失?3 步补上 OpenPose 姿态权重,试穿立刻跑通

发布时间:2026/11/8 20:18:42来源:尧图网络
OOTDiffusion 报 body_pose_model.pth 缺失?3 步补上 OpenPose 姿态权重,试穿立刻跑通
OOTDiffusion 报 body_pose_model.pth 缺失3 步补上 OpenPose 姿态权重试穿立刻跑通【免费下载链接】OOTDiffusion[AAAI 2025] Official implementation of OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on项目地址: https://gitcode.com/GitHub_Trending/oo/OOTDiffusion跑 OOTDiffusionAAAI 2025 的可控虚拟试穿项目时很多人第一次执行推理就会卡在同一个地方终端里甩出一句FileNotFoundError: checkpoints/openpose/ckpts/body_pose_model.pth或者下载时卡死、报URLError。别慌这个坑踩的人不少原因只有一个——OpenPose 的姿态权重文件没就位。下面按最短的路径帮你把它修好。先搞懂这个文件在试穿流程里管什么你可以把 OOTDiffusion 的试穿流程想成裁缝做衣服先看人定位身体关键点再画版型生成遮罩最后才动剪刀换衣服扩散模型生成结果。body_pose_model.pth就是看人那一步的眼睛它是 OpenPose 人体姿态模型的权重存的是神经网络训练好的参数负责找出模特图里的肩、肘、腕、髋等 18 个关键点。关键点直接决定换装遮罩画在哪缺了它后面的get_mask_location无从下手整条流水线在启动阶段就崩掉。代码约定这个文件放在checkpoints/openpose/ckpts/目录路径写死在 preprocess/openpose/annotator/util.py。文件不在时preprocess/openpose/annotator/openpose/init.py 会尝试从远程源自动下载——网络不通、或依赖的下载库缺失就会变成你看到的报错。3 步修复缺失的 body_pose_model.pth第 1 步建好目录。在仓库根目录执行这条命令作用是在 checkpoints 下建出 openpose/ckpts 子目录mkdir -p checkpoints/openpose/ckpts第 2 步放文件。从官方发布的一整套权重里包含 ootd、humanparsing、openpose 三组见 checkpoints/README.txt把body_pose_model.pth拷进刚建好的checkpoints/openpose/ckpts/目录文件名一字不差。第 3 步重跑推理。按 README 里的方式重新执行run/run_ootd.py传入模特图和服装图即可此时文件已在程序不会再尝试联网下载。验证是否真正修好走不通还有后路看两个可观察的验证点终端能顺利加载 OpenPose不再报文件错误跑完后run/images_output/下生成了mask.jpg换装遮罩图和若干out_hd_*.png结果图。如果第 3 步还是报错大概率是文件名拼写或路径层级不对比如直接丢在checkpoints/openpose/下、少了一层ckpts对照第 1 步的目录再核对一遍。若你更想走代码自带的自动下载路线它依赖 basicsr 库和网络可达这条路走不通时就回到手动放文件这条最稳的路——本地文件优先级高于下载放对了就不会再联网。带走一句话姿态权重是试穿的取景框把body_pose_model.pth放进checkpoints/openpose/ckpts/OpenPose 就能看清人后面的换装自然顺。【免费下载链接】OOTDiffusion[AAAI 2025] Official implementation of OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on项目地址: https://gitcode.com/GitHub_Trending/oo/OOTDiffusion创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/7 13:27:02

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/8 2:22:29

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/8 8:25:50

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/7 22:37:56

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/8 3:02:34

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/8 3:02:33

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉