智能趋势与趋势智能
无论是科技行业的趋势,还是时尚行业的智能化,两者的跨界融合已经成为必然趋势。 但首先,我们需要清楚这两个概念之间的异同。
智能趋势
它更多指的是通过纺织、服装、电子、信息、材料、传感和系统控制等技术处理的能够感知、响应或适应外界环境变化和刺激的纺织服装产品(时尚术语趋势也有服装),例如智能纺织品、可穿戴设备等。
智能趋势
更多是指人工智能在趋势产业价值链的任何环节的应用,如智能设计、智能制造、智能货运、智能营销与销售等。
它们最大的区别是:后者更偏向于硬件(传感等电子元器件),而前者更偏向于软件(通过计算机编程实现人工智能算法)。
其实在软件和硬件已经形影不离的今天,两者之间也有着非常密切的关系。
智能服装
1960年代,皮尔·卡丹 (Pierre Cardin) 通过阿波罗登月,推出了一系列充满高科技太空元素的头盔、连体衣、透明面罩等。 后来,亚历山大·麦昆 (Alexander McQueen) 也将技术融入到自己的系列中。
AlexanderMcQueen1999秋冬
如今,科技的发展推动了传统时尚产业的进步。 服装除了具有传统的保暖、防寒装饰功能外,还具有检测人体健康、交流和表达情感的功能。
目前,国内外的相关应用可归纳为以下几个领域。
①智能生活领域
谷歌高级技术和规划部 (ATAP) 的 Project Jacquard 研究将触摸和手势交互功能集成到各种织物中。 关键是如何将棉、丝等织物成分与合金结合,衍生出可以传递触摸信号,并与触觉进行交互的智能织物。
谷歌与牛仔品牌Levi's合作推出的新款牛仔外套,用户只需穿上外套,连接手机蓝牙信号,对传感器做出向内、向外、双击、盖住等不同手势即可., 执行包括自拍、音频、录音、导航、Google Assistant 等操作。
据彭博社报道,Project Jacquard 并不是将电子设备缝制或粘合到服装中,而是利用现有的工业织机将高科技导电纤维编织成织物,实现无穷无尽的创意延伸和时尚设计。
谷歌表示:“对于时装业来说,提花织物是一块空白的画布,设计师可以用它来为他们的设计添加新的功能层,除了有限的面料品种外,无需学习电子产品。”
Project Jacquard宣传片
②医疗健康领域
联想研发的“SmartVest智能心电衣”可对用户肾脏进行360度扫描,随时监测用户导联心电图,生成心律数据,并将数据传输至手机,让用户轻松了解自己的身体条件,为用户提供服务。 制定健康的训练计划。
③国防军事领域
变色服装最早用于军事领域。 指的是在不同波长的光下能变色的服装。 它可以根据周围环境改变颜色。 这些“变色龙军服”不仅能有效防弹,还能测量生化装备避免被攻击,同时还能根据穿着情况调节衣物湿度。
据日本红星网近日报道,“开发出了一系列可以‘变色’的服装”。 该款服装旨在通过智能涂层设计实现变色功能。 ”该公司发言人说。
④航天与民航
在航天民航领域,智能服装可以同时检测宇航员的体温和呼吸速度,实时监测宇航员的这两项生理特征,保障飞行安全。
智能趋势
趋势智能更多是指将各种计算机技术和人工智能技术应用到特定场景中,主要包括但不限于以下任务。
① 服装分析
服装解析是指将时尚图像(FashionPhotographs)划分为多个语义一致的区域,如身体部位、服装、鞋子等。
作为一个细粒度的语义分割任务,它比只找到人体轮廓的字符分割更具挑战性。
来自论文 ParsingClothinginFashionPhotographs
②款式分类
Wei-LinHsiao 等人提出了一种学习 Style-Coherent 表示的无监督方法。 通过算法学习不同的服装图像风格以及对应风格的强度。
从预科生到哥特,从波西米亚到时髦
③服装商品搜索
我们常见的电子商务平台允许用户直接输入图片搜索图片,或者用户可以直接拍照搜索产品。 而有些产品可能并不是用户想要的,比如以下场景:
用户可能只想要这些带有毛领的衣服,但不喜欢它的颜色。 这时候,用户希望改变产品的某个属性,然后进行针对性的搜索。
相关论文:
用于交互式时尚搜索的内存增强属性操作网络
④服装数字化
主要运用各种新技术,如AR、VR、3D建模等,在数字世界中对服装产品进行模拟仿真。 目前,大部分已经落地虚拟试衣(Visual Try-on)和服装设计(FashionDesgin)领域。
全息宣传片
VR辅助服装设计
使用 CLO3D 制作的 3D 模型(左)
一定程度上可以替代传统服装产品制造过程中的打样环节(右)
⑤智能服装设计/服装图像生成
智能化是数字化的进一步发展和探索。
目前研究的主流是利用图像生成来实现辅助设计,而图像生成的本质就是从现有数据集生成新图像的任务。
近年来衣 人工智能,图像生成领域取得了很多成果,其中最前沿的是GAN(Generative AdversarialNets),它可以直接从小数据中学习生成高保真多样的图像。 事实上,GAN 训练是动态的,对各种设置(从优化参数到模型架构)很敏感,但大量研究长期以来否认这些方法可以用于各种环境下的稳定训练。
SCRY品牌应用GAN,结合近万双鞋款和设计师自己的设计语言,为新鞋款的开发带来了灵感。
以下是近期AI趋势社区的一些讨论节选:
兔狐:“GAN生成服装成功的客观标准是什么?有没有机会判断它的审美价值?”
Tim:“目前服装设计与生产的关系比较集中——少数设计师为大众设计服装。如果通过智能化可以降低设计的门槛衣 人工智能,通过虚拟化可以降低生产和穿着的门槛,会不会有可能?形成类似于web2.0的生产关系——更多元化的审美标准,人人都是设计师,人人都是有自己风格的超模。” -
欢迎进群与我们进一步分享交流,FashionHack愿与你一起探索,一起前行!
*预告片
在以后的专栏中,我会详细介绍:深度学习在美学/审美、推荐、个性化/定制化等细分领域的应用趋势。