亞馬遜AI虛擬試衣體驗展現突破性技術

2020/06/30

6月份，Amazon在由IEEE(電氣和電子工程師協會)舉辦的CVPR電腦視覺和圖形辨識重要年度會議中，發表了最新的“虛擬試衣工具”，除了可以更精準的搜尋商品、提供搭配建議，也能正確地合成不同照片中的衣服，為模特兒虛擬換裝。

文＝裴嬿

這也是Amazon繼2017年Prime Wardrobe免費在家試穿與2019年Personal Shopper個人造型師、StyleSnap以圖搜款後，進一步完善AI(人工智能)試衣工具的新進程。

Amazon最新的AI虛擬試衣工具可以結合查詢人像(左)與來自不同頁面的產品圖像，一起生成出一個新的LOOK，讓電腦虛擬模特兒為你換裝。photo: Amazon

本次Amazon一共提出了三大突破性技術：
一是研究人員設計了一種將文字描述表示，和圖像特徵表示融合在一起的新方法：利用分層配對的方式，將顏色、材質等基礎特徵，與袖長、領圍等較中高階的細節，分別描述配對，以優化文字搜尋的能力。
也就是說，當消費者輸入服裝顏色、剪裁、圖案等文字特徵，如五分寬袖、淺色小花，系統可以更精準地搜尋到與文字相符的服裝。

在搜尋的途徑中，圖像和文字編碼會以分層的方式拆解細節，然後配對搜尋目標圖像。APPAREL IMAGES FROM THE FASHION IQ DATA SET (XIAOXIAO GUO, ET AL.), USED WITH PERMISSION UNDER THE COMMUNITY DATA LICENSE AGREEMENT.

二是系統能夠分析服裝和飾品的相容性，並在用戶選擇襯衫、褲子和夾克之後，推薦可搭配的鞋款、皮包或帽子等配件。

經過學習的AI可以為服裝的不同特徵細節下權重，尋找服裝搭配的優先考慮因素。photo: Amazon

三是虛擬試穿系統，為了讓衣服能完美穿在模特兒身上，Amazon Lab126這次還開發了一個Outfit-VITON系統，其運用生成式對抗網路(generative adversarial networks, GANs)進行判別學習。
這個Outfit-VITON由三部分組成，分別為形狀生成模型(shape generation)、外觀生成模型(appearance generation)，以及外觀修正模型(appearance redinement) 。形狀生成模型會圈出要試穿的衣服形狀，並計算試穿模特兒的身材以及姿態，外觀生成模型再加入色彩與材質的模擬元素，最後再進入外觀修正模型進行LOGO或印花呈現等細節微調。