CatVTON 로컬 테스트

CatVTON을 선택한 이유

CatVTON은 가상 피팅 테스트를 위해 살펴본 모델 중 비교적 최신 업데이트가 반영된 모델이었다. 기록 당시 모델 업데이트가 활발했고, 1024x768 해상도 기준으로 8GB VRAM 이하에서도 동작할 수 있다는 설명이 있어 로컬 테스트 후보로 적합해 보였다.

또 하나의 장점은 masking AI가 함께 구성되어 있어 localized된 형태로 다루기 쉽다는 점이었다. 가상 피팅에서는 옷 영역을 얼마나 안정적으로 분리하고 합성하느냐가 중요하기 때문에, masking 흐름까지 함께 확인할 수 있는 모델이라는 점이 선택 이유가 됐다.

로컬 인퍼런스 준비

먼저 CatVTON repository를 clone한다.

git clone https://github.com/Zheng-Chong/CatVTON.git

이후 conda 환경을 만들고 필요한 패키지를 설치한다.

conda create -n catvton python=3.9
conda activate catvton
cd catvton
pip install -r requirements.txt

Torch와 CUDA 확인

로컬에서 GPU 인퍼런스를 하려면 PyTorch가 CUDA를 제대로 인식하는지 확인해야 한다.

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available())"

여기서 torch.cuda.is_available()가 True를 출력하면 CUDA가 정상적으로 연결된 것이다. 결과가 다르다면 설치된 torch 버전과 로컬 CUDA toolkit 버전이 맞는지 다시 확인해야 한다.

데이터 준비

인퍼런스 전에 입력 이미지와 의류 이미지, masking에 필요한 데이터를 준비해야 한다. CatVTON은 모델 실행 자체보다 입력 데이터의 형태와 경로를 맞추는 작업이 더 중요할 수 있다. 로컬 테스트에서는 먼저 작은 샘플로 전체 파이프라인이 동작하는지 확인한 뒤, 해상도와 배치 크기를 늘리는 편이 안정적이다.

결론

CatVTON 로컬 테스트의 핵심은 모델을 바로 크게 돌리는 것이 아니라, 환경과 입력 데이터를 먼저 작게 검증하는 것이다. CUDA 인식, dependency 설치, 샘플 데이터 구조가 맞아야 이후 masking과 try-on 결과를 의미 있게 비교할 수 있다.