论文部分内容阅读
月收入5万元的“西二旗人”（西二旗位于北京市海淀区，这里有著名的中关村软件园，驻扎着百度、新浪、网易、滴滴等知名互联网公司总部和一众外企，在西二旗上班的人——其中大部分为程序员——被亲切地称为“西二旗人”）喜欢逛优衣库，喜欢格子衫和冲锋衣，你要问他们：“格子衫和冲锋衣如何正确地搭配？”“西二旗人”大概会一脸茫然。不过，显然，每天该穿什么，可能不仅仅让“西二旗人”感到茫然，也是众多“小姐姐”们每天犯愁的事情，这是一道与“今天吃什么”一样的世纪难题。
“今天吃什么”依旧每天困扰着我们，但“今天穿什么”的问题，阿里巴巴想通过AI技术来解决。
最近，阿里巴巴推出FashionAI时尚大脑，希望借助AI技术，为我们提供服饰搭配的参考方案。这也是阿里巴巴一直强调的“新零售”的具体体现之一。
AI也能帮我们搭配衣服了
资深技术专家贾梦雷在阿里巴巴工作了9年多，他的团队有一个很有意思的名字——图像和美。一直致力于图像技术研究的他也是此次时尚大脑项目的负责人。
贾梦雷表示，他本身专注于图像技术，10年前便在考虑是否可以将相关的技术应用于服饰搭配方面，但那时技术还不够成熟。6年前，他们开始真正着手这件事，技术上有了不少积累。
为什么一定要做服饰搭配呢？他解释说：一方面，从电商的角度看，图片是最重要的信息载体，服装服饰也是淘宝最大的商品类别，“它的商业价值密度是最大的”；另一方面，从服装本身来看，搭配是基本概念，消费者看到一双鞋子，想到的是如何跟衣服搭配，“服装一眼看过去是以整体形象出现的”。
2016年，谷歌曾和德国电商Zalando推出了一款基于AI的服装设计产品Project Muse。用户输入性别、爱好、喜欢的艺术类型等信息，然后向屏幕的模特身上画些图案，便能自动生成服饰。生成的服饰可以说十分另类。
不得不说，这只能算试验性的产品。贾梦雷认为，借助AI实现服装穿搭，需要符合两个标准：一是效果，二是规模化。
目前，时尚大脑的搭配效果已达到了一般搭配师的平均水平。贾梦雷团队会拿着搭配好的服装，直接找到淘宝商家或线下店，以获取商家的真实反馈。规模化是指对淘宝商家上传的数以十亿计的图片量进行筛选和处理，形成合理的搭配。
6年研发期间，随着深度学习的发展，一些技术问题逐步得到解决。在贾梦雷看来，技术之外更重要的是时尚大脑融入了许多专业服装领域的知识，品牌商的搭配师和造型师会把自己的经验汇集成数据，这要花费一年半到两年的时间。
此前，阿里巴巴将“我的穿搭”功能开发给一些种子用户，时尚大脑依据每天的天气和用户的历史购买记录推荐多种个性化穿搭方案，用户可根据自己的审美对搭配进行实时改造，时尚大脑也会对热门搭配进行再学习。
对于线下场景，阿里巴巴已和拉夏贝尔在全国11个城市合作近半年，用户可在试衣间内通过嵌入RFID（射频识别）技术的大屏，查看衣服的搭配，也就是类似杂志上的平铺图。贾梦雷表示拉夏贝尔的关联购买率有了明显的提高。
什么样的搭配是“合理的”？
大数据、深度学习、图像识别、图像搜索引擎……这些技术是时尚大脑顺利自动完成服饰搭配的基础。但在此之前，有一个问题时时困扰着贾梦雷：什么样的搭配是合理的？
他拿大家最熟悉的阿尔法狗举例：阿尔法狗与人围棋大战，输赢是客观事实，而服装搭配是高度主观化的事情，“如何把主观化的问题拆解为客观的、可量化的问题，这是难度最高的，跟你使用的工具没有关系”。
具体来说，一方面他们需要收集来自达人的服装搭配创意，学习其中的搭配规律；另一方面，对于一件衣服，会将其拆解为多个属性维度，例如一件连衣裙，从运营的角度来看，可能拆解为60个关键属性，但基于计算机视觉技术，则会筛选出最关键的属性，并在衣服之间进行关联比较。
比如说，对于一套搭配创意，体现了哪些审美或功能性要求，总结其中的规律，从庞大的商品库中找到这样的衣服，如果搭配符合最初的搭配创意，则生成新的搭配。
总的来说，搭配创意来自于人，形成新的搭配需要在数据中找到规律。
至于数据的来源，贾梦雷将其分为三个层面：
第一是最基础的服装图片数据，来自于淘宝上的电商；
第二是搭配创意，由淘宝上的达人提供；
第三是服装专家提供的数据，如衣服有多少种领形、袖形、廓形，以及流行元素等。
另外，服装搭配得是否合理，颜色、质地等都需要考虑。由于服装图片来自商家，有些颜色商家可能没办法给出精准的色号，会导致信息的偏差。为此，他们会对衣服图片做前景和背景的分离，明确一套服装搭配中各个部分，哪些是上装、下装、鞋、包等。
同时，还要根据对服装专业的理解，划分颜色空间、分析衣服颜色的分布，比如相近色、纹理的样式，是否具备流行元素；以及对不同衣服进行分类，分类的范围包括衣形、领子或袖子的样式，甚至是衣服的风格属于英伦风，还是小清新。
智能搭配的未来
如前文所提到的，与拉夏贝尔的合作中，时尚大脑完成的服装搭配以杂志平铺图的形式，呈现在试衣间的智能屏幕上。而对于我们常听到的基于3D建模的虚拟试衣，目前还无法达到贾梦雷所说的效果和规模化两个标准。
除了3D建模的效果外，贾梦雷表示：“和纯3D建模不同的是，试衣时消费者不会特别希望出现真实的自己，像现在的自拍，都是要带美颜的，3D建模是不是达到消费者认为的‘美感’，这是一个问题。”
另外，现在3D建模成本虽然已经开始下降，但还无法规模化，而即便出现可规模化的低成本方案，还要看是否适合推广。这些都是现阶段存在的问题。
2017年11月，上海一家购物中心引进了阿里巴巴AI时尚大脑，它不仅可以识别顾客手上所持的衣服，还能为顾客提供穿搭指南，变身私人购物顾问。使用过AI时尚大脑的顾客表示：“有时，我走进商店并不知道要买哪件，但有了它，我的选择更加专业迅速。”
未来几年，阿里巴巴想把时尚大脑应用到更多的场景中，如新型的时尚商场，可在终端上看到整个商场及周边（基于LBS技术）为消费者推荐的搭配；智能衣橱，根据消费者衣橱中的衣服，结合当天的天气和穿衣目的为消费者推荐整套搭配。贾梦雷透露，对于时尚商场，阿里巴巴内部已经开始规划做概念店。
中国连锁经营协会秘书长彭建真表示：“未来几年，零售业跨界融合将成為主流，不管是线上线下融合，还是全渠道转型，关键是企业能否提供优质的商品和服务，这才是抓住消费者的关键。”
当新技术走进传统商场，我们的购物形式可能越来越多样化，网络也将线上和线下购物融合得更为紧密，而借助最新的技术，爱穿格子衫和冲锋衣的“西二旗人”或许会尝试换换新风格。
“今天吃什么”依旧每天困扰着我们，但“今天穿什么”的问题，阿里巴巴想通过AI技术来解决。
最近，阿里巴巴推出FashionAI时尚大脑，希望借助AI技术，为我们提供服饰搭配的参考方案。这也是阿里巴巴一直强调的“新零售”的具体体现之一。
AI也能帮我们搭配衣服了
资深技术专家贾梦雷在阿里巴巴工作了9年多，他的团队有一个很有意思的名字——图像和美。一直致力于图像技术研究的他也是此次时尚大脑项目的负责人。
贾梦雷表示，他本身专注于图像技术，10年前便在考虑是否可以将相关的技术应用于服饰搭配方面，但那时技术还不够成熟。6年前，他们开始真正着手这件事，技术上有了不少积累。
为什么一定要做服饰搭配呢？他解释说：一方面，从电商的角度看，图片是最重要的信息载体，服装服饰也是淘宝最大的商品类别，“它的商业价值密度是最大的”；另一方面，从服装本身来看，搭配是基本概念，消费者看到一双鞋子，想到的是如何跟衣服搭配，“服装一眼看过去是以整体形象出现的”。
2016年，谷歌曾和德国电商Zalando推出了一款基于AI的服装设计产品Project Muse。用户输入性别、爱好、喜欢的艺术类型等信息，然后向屏幕的模特身上画些图案，便能自动生成服饰。生成的服饰可以说十分另类。
不得不说，这只能算试验性的产品。贾梦雷认为，借助AI实现服装穿搭，需要符合两个标准：一是效果，二是规模化。
目前，时尚大脑的搭配效果已达到了一般搭配师的平均水平。贾梦雷团队会拿着搭配好的服装，直接找到淘宝商家或线下店，以获取商家的真实反馈。规模化是指对淘宝商家上传的数以十亿计的图片量进行筛选和处理，形成合理的搭配。
6年研发期间，随着深度学习的发展，一些技术问题逐步得到解决。在贾梦雷看来，技术之外更重要的是时尚大脑融入了许多专业服装领域的知识，品牌商的搭配师和造型师会把自己的经验汇集成数据，这要花费一年半到两年的时间。
此前，阿里巴巴将“我的穿搭”功能开发给一些种子用户，时尚大脑依据每天的天气和用户的历史购买记录推荐多种个性化穿搭方案，用户可根据自己的审美对搭配进行实时改造，时尚大脑也会对热门搭配进行再学习。
对于线下场景，阿里巴巴已和拉夏贝尔在全国11个城市合作近半年，用户可在试衣间内通过嵌入RFID（射频识别）技术的大屏，查看衣服的搭配，也就是类似杂志上的平铺图。贾梦雷表示拉夏贝尔的关联购买率有了明显的提高。
什么样的搭配是“合理的”？
大数据、深度学习、图像识别、图像搜索引擎……这些技术是时尚大脑顺利自动完成服饰搭配的基础。但在此之前，有一个问题时时困扰着贾梦雷：什么样的搭配是合理的？
他拿大家最熟悉的阿尔法狗举例：阿尔法狗与人围棋大战，输赢是客观事实，而服装搭配是高度主观化的事情，“如何把主观化的问题拆解为客观的、可量化的问题，这是难度最高的，跟你使用的工具没有关系”。
具体来说，一方面他们需要收集来自达人的服装搭配创意，学习其中的搭配规律；另一方面，对于一件衣服，会将其拆解为多个属性维度，例如一件连衣裙，从运营的角度来看，可能拆解为60个关键属性，但基于计算机视觉技术，则会筛选出最关键的属性，并在衣服之间进行关联比较。
比如说，对于一套搭配创意，体现了哪些审美或功能性要求，总结其中的规律，从庞大的商品库中找到这样的衣服，如果搭配符合最初的搭配创意，则生成新的搭配。
总的来说，搭配创意来自于人，形成新的搭配需要在数据中找到规律。
至于数据的来源，贾梦雷将其分为三个层面：
第一是最基础的服装图片数据，来自于淘宝上的电商；
第二是搭配创意，由淘宝上的达人提供；
第三是服装专家提供的数据，如衣服有多少种领形、袖形、廓形，以及流行元素等。
另外，服装搭配得是否合理，颜色、质地等都需要考虑。由于服装图片来自商家，有些颜色商家可能没办法给出精准的色号，会导致信息的偏差。为此，他们会对衣服图片做前景和背景的分离，明确一套服装搭配中各个部分，哪些是上装、下装、鞋、包等。
同时，还要根据对服装专业的理解，划分颜色空间、分析衣服颜色的分布，比如相近色、纹理的样式，是否具备流行元素；以及对不同衣服进行分类，分类的范围包括衣形、领子或袖子的样式，甚至是衣服的风格属于英伦风，还是小清新。
智能搭配的未来
如前文所提到的，与拉夏贝尔的合作中，时尚大脑完成的服装搭配以杂志平铺图的形式，呈现在试衣间的智能屏幕上。而对于我们常听到的基于3D建模的虚拟试衣，目前还无法达到贾梦雷所说的效果和规模化两个标准。
除了3D建模的效果外，贾梦雷表示：“和纯3D建模不同的是，试衣时消费者不会特别希望出现真实的自己，像现在的自拍，都是要带美颜的，3D建模是不是达到消费者认为的‘美感’，这是一个问题。”
另外，现在3D建模成本虽然已经开始下降，但还无法规模化，而即便出现可规模化的低成本方案，还要看是否适合推广。这些都是现阶段存在的问题。
2017年11月，上海一家购物中心引进了阿里巴巴AI时尚大脑，它不仅可以识别顾客手上所持的衣服，还能为顾客提供穿搭指南，变身私人购物顾问。使用过AI时尚大脑的顾客表示：“有时，我走进商店并不知道要买哪件，但有了它，我的选择更加专业迅速。”
未来几年，阿里巴巴想把时尚大脑应用到更多的场景中，如新型的时尚商场，可在终端上看到整个商场及周边（基于LBS技术）为消费者推荐的搭配；智能衣橱，根据消费者衣橱中的衣服，结合当天的天气和穿衣目的为消费者推荐整套搭配。贾梦雷透露，对于时尚商场，阿里巴巴内部已经开始规划做概念店。
中国连锁经营协会秘书长彭建真表示：“未来几年，零售业跨界融合将成為主流，不管是线上线下融合，还是全渠道转型，关键是企业能否提供优质的商品和服务，这才是抓住消费者的关键。”
当新技术走进传统商场，我们的购物形式可能越来越多样化，网络也将线上和线下购物融合得更为紧密，而借助最新的技术，爱穿格子衫和冲锋衣的“西二旗人”或许会尝试换换新风格。