服裝的功能與服裝的季節(jié)性時尚之間,一直依靠風格加以維系。然而,風格是一種極為主觀、有時甚至令人難以抉擇的概念,風格定義著我們的衣著、品味以及搭配方式,整體傳遞出個人表達。無論你喜歡自主搭配,還是聽取專業(yè)造型師的指導意見,大家都必須承認一點——風格本身,就是一種有力的語言。
人工智能如今正成為時尚零售業(yè)中的強大工具,可用于提供個性化產品建議,同時推動客戶達成購買目標。一些人可能認為,“風格”這一概念無法被囊括在數據范圍內,畢竟 AI 本身無法理解人類的態(tài)度與表達意愿,而僅僅是一種冷冰冰的決策工具——但實際情況也許并非如此,AI沒準有能力在周期性的時尚潮流與個人喜好的細微差別之間敏銳捕捉到靈感。
總部位于倫敦的初創(chuàng)企業(yè) Intelistyle 公司在本屆倫敦時裝周走上街頭,利用其AI驅動型穿搭風格應用,通過算法為人們提供造型建議。那么,時尚界是如何評價這種“由計算機生成的外觀意見”的?
Intelistyle團隊收集了來自27位時裝周參與者的意見,從而組織起一項小范圍調查,具體對象涵蓋時尚造型師、博主以及有影響力的從業(yè)人員。受訪者們面對幾組成對出現的服裝,需要從中選擇自己更喜歡的搭配。
結果,七成受訪者選擇了由 AI 技術生成的搭配,且這些搭配在效果上甚至可以與 Instagram 上的時尚達人們相媲美。聽起來很神奇,那么 AI 到底是怎樣做到這一切的?
圖中分別是Intelistyle公司的AI工具生成的搭配,以及人類造型師給出的意見。你分得清各圖出自誰手嗎?這里埋一個伏筆。
Intelistyle公司的方案在于“通過爬取網絡收集時尚攝影內容,從而涵蓋由造型師、高影響力從業(yè)者、設計師以及零售商發(fā)布的數千種服裝組合。”利用深度學習技術,它們將能夠“提煉出各類風格中的深層本質。”
那么,這與其它 AI 驅動型風格設計應用有何不同?一般來講,專注于模式識別的計算機視覺技術主要負責找到擁有相似視覺元素的服飾。然而,發(fā)現其中存在的風格共性要比尋找相似圖案或顏色更加微妙。Intelistyle進一步挖掘這種分析深度,希望了解哪些因素使得“看似不同”或者“相互沖突”的圖案或面料能夠結合起來,最終創(chuàng)造出美麗的服飾。此外,他們還設計了兩件一般來講并不搭調的衣服,并探索如何使用適當的配飾將二者和諧地搭配起來。利用最新的深度學習成果,他們已經開始解碼所謂“時尚風格的基因組”。
如果 Intelistyle 公司在本屆倫敦時裝周期間得到的統(tǒng)計結果真實可信,那么結論是,從事時裝設計與造型搭配的人們似乎更偏愛 AI 生成的結果。這就帶來了非常有趣的話題,即“這類 AI 工具將給全球時尚產業(yè)的各個領域帶來怎樣的影響”。
或許我們可以利用 Intelistyle 應用更充分地發(fā)掘衣柜中服飾的搭配空間,也讓它能夠幫助我們確定自己該買什么服飾,包括做出更為明智的購物選擇,同時擺脫快買、快穿、快丟這一糟糕的時尚傾向。隨著我們的衣柜日益膨脹,加上城市生活空間日益減小,這似乎有望成為一款強大的工具,幫助我們在提升自身風格的同時,顯著降低時尚品開銷(以及大眾消費對環(huán)境造成的影響)。
Intelistyle公司致力于“解碼”風格的本質,他們的 AI 技術擁有擴展時尚造型設計的潛力,并根據每一位客戶的需求,創(chuàng)造出個性化的服裝搭配。作為直接結果,這將成為一款雪中送炭般的工具,幫助我們走出“一種尺寸(或者風格)覆蓋所有客戶”的舊時代,真正迎接多樣性與個性化的春天。另外,Stitchfix等企業(yè)也已經展示出這種個性化方法的強大功能。Intelistyle方面希望“幫助客戶實現自己衣柜的數字化轉型,為自己的衣服設計樣式,并從喜愛的零售商處獲得個性化服務”,這一切都將成為這家年輕企業(yè)實現進一步發(fā)展的基石。
在被問到整合 Intelistyle 之后,客戶零售體驗是否可能發(fā)生重大變化時,該公司CEO Kostas Koukoravas指出:
“目前零售商主要通過拍攝工作室環(huán)境,從而展示自己的服裝產品,并激發(fā)顧客的購買愿望。但整個過程成本高昂,而且每一套衣服以及對應的搭配往往只適用于特定一種體形與膚色。Intelistyle公司的技術能夠幫助零售商擴展服務中的網格個性化水平,同時通過多樣性展示以滿足每一位客戶對于著裝的確切需求。”
這種以客戶為中心的方法,實際上沿襲于當前時尚行業(yè)中對于個性化服務的廣泛關注,而終極目標自然是為了提升品牌忠誠度與銷售業(yè)績。隨著客戶希望獲得越來越個性化且快速的服務,AI似乎將成為滿足這些嚴苛期望的重要手段與工具。這款工具最令人興奮的方面之一,在于其能夠在銷售與品牌忠誠之外,作為服裝搭配中的固有組成部分,決定我們應該如何將其呈現在貨架上。如果 AI 造型師幫助我們更好地使用自己的服飾并有效延長衣物的穿著周期,那么服裝的生命周期將變得更長、價值更高、且讓人們習慣于更穩(wěn)定地維持一種穿衣風格。而除了風格之外,面對當前糟糕的快餐式一次性消費取向,整個時尚行業(yè)也急需這樣一場根本性轉變。
最后我們公布上文圖中問題的答案:到底圖中哪套搭配是 AI 造型師生成的?右側配有紅色靴子的便是。
好文章,需要你的鼓勵
這項研究提出了"高效探測"方法,解決了掩碼圖像建模AI難以有效評估的問題。通過創(chuàng)新的多查詢交叉注意力機制,該方法在減少90%參數的同時實現10倍速度提升,在七個基準測試中均超越傳統(tǒng)方法。研究還發(fā)現注意力質量與分類性能的強相關性,生成可解釋的注意力圖譜,展現出優(yōu)異的跨域適應性。團隊承諾開源全部代碼,推動技術普及應用。
伊利諾伊大學研究團隊開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復雜爭議、智能檢索相關文獻、多角度收集觀點的方法,將傳統(tǒng)的"真假"判斷轉變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動構建爭議話題的分析框架,識別不同觀點及其支撐證據,為科學和政治爭議提供更全面客觀的分析,已在生物醫(yī)學和國際關系領域驗證有效性。
清華大學研究團隊首次提出情感認知融合網絡(ECFN),讓AI能像人類一樣理解和表達情感。該系統(tǒng)通過多層次情感處理架構,在情感識別準確率上比現有最佳系統(tǒng)提升32%,情感表達自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實現了跨模態(tài)情感融合、動態(tài)情感追蹤和個性化情感建模,為醫(yī)療、教育、客服等領域帶來革命性應用前景。
哈佛大學研究團隊通過創(chuàng)新的多智能體強化學習方法,讓AI在戰(zhàn)略游戲中學會復雜推理。研究發(fā)現AI通過游戲競爭能發(fā)展出類人思維能力,在邏輯推理、創(chuàng)造性解決問題等方面表現顯著提升。這項突破性成果為未來AI在醫(yī)療、教育、城市管理等領域的應用奠定基礎,展現了通過模擬人類學習過程培養(yǎng)真正智能AI的新路徑。