
服装的功能与服装的季节性时尚之间,一直依靠风格加以维系。然而,风格是一种极为主观、有时甚至令人难以抉择的概念,风格定义着我们的衣着、品味以及搭配方式,整体传递出个人表达。无论你喜欢自主搭配,还是听取专业造型师的指导意见,大家都必须承认一点——风格本身,就是一种有力的语言。
人工智能如今正成为时尚零售业中的强大工具,可用于提供个性化产品建议,同时推动客户达成购买目标。一些人可能认为,“风格”这一概念无法被囊括在数据范围内,毕竟 AI 本身无法理解人类的态度与表达意愿,而仅仅是一种冷冰冰的决策工具——但实际情况也许并非如此,AI没准有能力在周期性的时尚潮流与个人喜好的细微差别之间敏锐捕捉到灵感。
总部位于伦敦的初创企业 Intelistyle 公司在本届伦敦时装周走上街头,利用其AI驱动型穿搭风格应用,通过算法为人们提供造型建议。那么,时尚界是如何评价这种“由计算机生成的外观意见”的?
Intelistyle团队收集了来自27位时装周参与者的意见,从而组织起一项小范围调查,具体对象涵盖时尚造型师、博主以及有影响力的从业人员。受访者们面对几组成对出现的服装,需要从中选择自己更喜欢的搭配。
结果,七成受访者选择了由 AI 技术生成的搭配,且这些搭配在效果上甚至可以与 Instagram 上的时尚达人们相媲美。听起来很神奇,那么 AI 到底是怎样做到这一切的?
图中分别是Intelistyle公司的AI工具生成的搭配,以及人类造型师给出的意见。你分得清各图出自谁手吗?这里埋一个伏笔。
Intelistyle公司的方案在于“通过爬取网络收集时尚摄影内容,从而涵盖由造型师、高影响力从业者、设计师以及零售商发布的数千种服装组合。”利用深度学习技术,它们将能够“提炼出各类风格中的深层本质。”
那么,这与其它 AI 驱动型风格设计应用有何不同?一般来讲,专注于模式识别的计算机视觉技术主要负责找到拥有相似视觉元素的服饰。然而,发现其中存在的风格共性要比寻找相似图案或颜色更加微妙。Intelistyle进一步挖掘这种分析深度,希望了解哪些因素使得“看似不同”或者“相互冲突”的图案或面料能够结合起来,最终创造出美丽的服饰。此外,他们还设计了两件一般来讲并不搭调的衣服,并探索如何使用适当的配饰将二者和谐地搭配起来。利用最新的深度学习成果,他们已经开始解码所谓“时尚风格的基因组”。
如果 Intelistyle 公司在本届伦敦时装周期间得到的统计结果真实可信,那么结论是,从事时装设计与造型搭配的人们似乎更偏爱 AI 生成的结果。这就带来了非常有趣的话题,即“这类 AI 工具将给全球时尚产业的各个领域带来怎样的影响”。
或许我们可以利用 Intelistyle 应用更充分地发掘衣柜中服饰的搭配空间,也让它能够帮助我们确定自己该买什么服饰,包括做出更为明智的购物选择,同时摆脱快买、快穿、快丢这一糟糕的时尚倾向。随着我们的衣柜日益膨胀,加上城市生活空间日益减小,这似乎有望成为一款强大的工具,帮助我们在提升自身风格的同时,显著降低时尚品开销(以及大众消费对环境造成的影响)。
Intelistyle公司致力于“解码”风格的本质,他们的 AI 技术拥有扩展时尚造型设计的潜力,并根据每一位客户的需求,创造出个性化的服装搭配。作为直接结果,这将成为一款雪中送炭般的工具,帮助我们走出“一种尺寸(或者风格)覆盖所有客户”的旧时代,真正迎接多样性与个性化的春天。另外,Stitchfix等企业也已经展示出这种个性化方法的强大功能。Intelistyle方面希望“帮助客户实现自己衣柜的数字化转型,为自己的衣服设计样式,并从喜爱的零售商处获得个性化服务”,这一切都将成为这家年轻企业实现进一步发展的基石。
在被问到整合 Intelistyle 之后,客户零售体验是否可能发生重大变化时,该公司CEO Kostas Koukoravas指出:
“目前零售商主要通过拍摄工作室环境,从而展示自己的服装产品,并激发顾客的购买愿望。但整个过程成本高昂,而且每一套衣服以及对应的搭配往往只适用于特定一种体形与肤色。Intelistyle公司的技术能够帮助零售商扩展服务中的网格个性化水平,同时通过多样性展示以满足每一位客户对于着装的确切需求。”
这种以客户为中心的方法,实际上沿袭于当前时尚行业中对于个性化服务的广泛关注,而终极目标自然是为了提升品牌忠诚度与销售业绩。随着客户希望获得越来越个性化且快速的服务,AI似乎将成为满足这些严苛期望的重要手段与工具。这款工具最令人兴奋的方面之一,在于其能够在销售与品牌忠诚之外,作为服装搭配中的固有组成部分,决定我们应该如何将其呈现在货架上。如果 AI 造型师帮助我们更好地使用自己的服饰并有效延长衣物的穿着周期,那么服装的生命周期将变得更长、价值更高、且让人们习惯于更稳定地维持一种穿衣风格。而除了风格之外,面对当前糟糕的快餐式一次性消费取向,整个时尚行业也急需这样一场根本性转变。
最后我们公布上文图中问题的答案:到底图中哪套搭配是 AI 造型师生成的?右侧配有红色靴子的便是。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。