用神经网络自动设计服装

文/曹宝秀

研究表明，人工智能和神经网络可创造定制的服装设计，让人工智能从买方的喜好中自动获取信息，然后自动设计出用户喜爱的款式。若能这样，那么时尚的设计将告别传统，助推服装工业向更深层次和更高水平发展。

自动定制款即将问世

美国加州大学圣地亚哥分校和一称为Adobe的研究团队展示了根据买方的喜好向消费者销售服装的神经网络数字化模式。销售的服装为自动定制设计款，服装制造商依据相关数据制作，而零售商仅仅起到交付给消费者的作用。第一作者兼计算机科学博士研究生王成康（音）认为，展示的设计模式可广泛化使用，它能给定制用户和产品分门别类，业界可生成与用户个人喜好最一致的新图像。这代表着可建立相关系统的第一步，从产品语料库到建议样式和帮助设计新产品，这些系统不仅可推荐也可生成项目。

该团队的研究结果最后写成论文发表在《数学预印本网库》（ArXiv）期刊上，论文题目为“视觉感知的时装推荐和设计与生成形象模型”。在计算机科学与工程教授朱利安·泰普主导下，这个研发团队进行了深入的研究。

这是他们提出的一种可用于推荐、生产和设计的新型方法，其框架可形成更丰富的推荐形式，内容推荐和内容生成更紧密地联系在一起。这就使服装的自动化设计成为可能，即百分之百按客户需求量身定制。该项目旨在测试人工智能和机器学习的效率，帮助时装业和消费者，尤其是为越来越多的购衣者在互联网上量身定制服装做好准备。

虽然有很多算法和工具可帮助在线零售商向潜在买家推荐设计，但美国加州大学圣地亚哥分校研究小组更深入地进行了研究。他们想弄明白，是否有可能对偏好和其他数据进行处理，人工智能不仅可提出建议，而且有可能使计算机按照人的旨意自动生产出新款服装。

更准确地反映消费者个人喜好

研究人员最初专注于设计系统，以提供更好的推荐，特别是在“视觉”推荐下，消费者可受到产品外观的影响，如实用装或艺术装。但也要看到，时尚这类领域要建立有效的推荐系统是具有很大的挑战性的，因为它具有高度的主观性和所涉及的特征的语义复杂性。研究人员还指出，通过使用现成的图像特征，将视觉信号直接纳入推荐目标即能使视觉推荐更加准确。

该团队表明，通过人工智能直接学习“时尚感知”，及通过培养图像模式表明，它可显著提高推荐效果，且可与推荐系统联合使用。这原本来自最近使用的“暹罗神经网络”，称之为“暹罗-CNN”。它是包含两个或多个相同子网络的神经网络体系结构。其原理是，用寻找两个可比项目之间的相似或关系来催生另一类款式。

研究人员训练暹罗-CNN来学习时尚项目并给用户分出某些偏好。由此，他们使用了一个叫作生成对抗性网络(GaN)的神经网络框架，以学习时尚款式分布图像，并生成新的时尚风格，最大限度迎合用户的偏好。生成对抗性网络在一组数据上训练了两套网络，它们特别适合于生成真实的图像。由此产生的系统可建议客户从现有设计中购买款式，它也可用于修改现有的项目，或根据特定个人的喜好生成新的设计。

让世界上每位穿衣者都享有自动设计的个性化款式

人工智能在时尚界的应用还处于方兴未艾阶段，但有两家是世界上最大的在线零售商——亚马逊与中国的阿里巴巴集团已在使用人工智能工具，包括生成对抗性网络GANS。美国加州大学圣地亚哥分校的Adobe研究项目所设计的新款衣服恰到好处地反映出服装设计的未来趋势。

若要知道梨子的滋味，就得亲口尝一尝。神经网络化服装设计已为时不远，届时每个穿衣用户都可以拥有自动化设计带来的个性化款式。