Zheng-Chong

[ICLR 2025] CatVTON एक सरल और कुशल वर्चुअल ट्राई-ऑन डिफ्यूजन मॉडल है जिसमें 1) लाइटवेट नेटवर्क (कुल 899.06M पैरामीटर), 2) पैरामीटर-कुशल ट्रेनिंग (49.57M पैरामीटर ट्रेनेबल) और 3) सरलीकृत अनुमान (1024X768 रिज़ॉल्यूशन के लिए < 8G VRAM) शामिल हैं।