通過虛擬照片合成，AI能把衣服“穿”在時裝模特身上。這樣一來，網(wǎng)購者可以更方便地挑選合適的衣服，而零售商也可以降低成本。

通常拍攝時裝照片需要多名人員的配合，每套衣服的拍攝成本將高達500美元。而最終的成片還可能達不到預期效果，所以許多在線零售商并不愿意借助模特展示服裝。位于硅谷的Vue.ai公司認為他們可以解決這一問題，服裝仍能通過時裝模特展示，但無需高額開銷。

Vue.ai及其母公司MAD Street Den的首席科學家Costa Colbert于上月在圣何塞舉辦的GPU技術(shù)大會上表示：“眾所周知，由模特展示的服裝更能引起消費者的關(guān)注，但是零售商卻要為此付出高昂的資金和時間成本。”

Vue.ai利用其圖像和視頻識別技術(shù)，將單純的服裝圖像轉(zhuǎn)化為由模特展示服裝的新圖像。生成的圖像為消費者提供了更實用的視覺效果，同時也為零售商節(jié)省了資金。

“我們不僅能幫助降低這些成本，還能為消費者提供更加具有吸引力且個性化的元素?！盋olbert說道。

適用于服裝的GAN

Vue-ai展示了一款藍色連衣裙。

通過使用一種名為條件生成式對抗網(wǎng)絡(cGAN)的機器學習方法，Vue.ai的技術(shù)可以學習生成圖像，并將其與真實攝影圖像區(qū)分開來。

該網(wǎng)絡基于多個NVIDIA GPU運行，可以通過觀察許多組圖像（一組有兩幅圖像，一幅是服裝圖像，另一幅是服裝在時裝模特上的效果圖像）進行學習。

這種訓練可以達到很高的逼真程度，普通人甚至是計算領(lǐng)域的評論家都無法區(qū)分出其中的差異。

最終，cGAN將了解衣服的上身效果，了解穿上長袖或露肩領(lǐng)的衣服時應該是什么樣子。此外，該網(wǎng)絡還可以生成“介于兩者之間”的特征，例如可以通過操控網(wǎng)絡中的變量來控制模特姿勢或膚色。

Colbert指出：“由于沒有真實的模特，所以沒有對膚色或體型等細節(jié)的限制。圖像可以迅速生成，并且能針對每位消費者定制任意數(shù)量的顯示方式。對于不經(jīng)意間瀏覽到這些圖像的人而言，它們只是另一張照片而已。”

Colbert表示，不論是對服裝制造商、零售商，還是消費者，這項技術(shù)均大有裨益。它將可以改善消費者與品牌之間的關(guān)系，也可以創(chuàng)造更順暢的購物體驗。