Genlook vs オープンソース試着モデル

IDM-VTON は、開発者が最初に見つけることの多いモデルです。ECCV 2024の論文は広く引用され、Replicateのページでは160万回以上の実行実績があり、重みもダウンロード可能です。実行するには、Human parsingとDensePoseの前処理パイプラインが必要で、デモの自動マスキングはトップス向けに設定されています。A100を使用した場合、1枚あたり約17秒かかります。

CatVTON もリポジトリにCC BY-NC-SAの条件が記載されており、falのホスト版では研究用と明記されています。

Kolors Virtual Try-On はHugging Faceで最も高評価の試着デモですが、その裏にあるオープンな試着モデルは存在しません。公開されているKolorsはKuaishouのText-to-Imageモデルであり、Spaceはプライベートエンドポイントにリクエストを転送しているだけです。商用ルートとしてはKlingの試着機能があり、Klingやfalなどのホストを通じて、生の推論として1コール約$0.07で販売されています。

Genlookのアプローチ

Genlookは、商用利用可能な試着APIです。服、靴、メガネ、ジュエリー、帽子、ウィッグを1つのエンドポイントでサポートし、マスクやプロンプト、前処理は一切不要です。結果は同期またはWebhookで返却され、エンドユーザーのデータはリクエストに応じて削除可能です。エンジンは同じ契約のもとで継続的に改善されます。試着コストはプラン利用で$0.02、ボリュームディスカウントで$0.015となり、GPUを借りる必要はありません。

この分野を学ぶためにオープンモデルを試すのは良いことです。しかし、実際の顧客に提供する場合は、商用ライセンスがあり、継続的に保守されているAPIをお使いください。