这个分1代和2代，1代模型简单易用，但是对于视频多帧生成容易出现各种问题，比如某一帧里没有对应要脱的衣服，就会少输出一张蒙版，就会报错，而且对于复杂衣服识别基本无效，比较适合脱那些超短裤，泳装之类的非常显著的视频。2代则面向视频做了非常大的提升，可以通过第一帧手动选择画面中的物品，后续帧会自动跟踪物品且输出等量蒙版帧，效果非常爆炸。但是缺点是操作起来相对繁琐一些，而且要不断调试