2019年4月，由中國服裝協(xié)會(huì)和上海時(shí)尚之都促進(jìn)中心共同主辦的以“未來時(shí)尚”為設(shè)計(jì)主題的2019中國國際服裝設(shè)計(jì)創(chuàng)新大賽在上海落下帷幕，歐洲設(shè)計(jì)學(xué)院獲得冠軍，16支參賽隊(duì)伍中唯一的“非人類設(shè)計(jì)師”——深蘭科技服飾輔助設(shè)計(jì)系統(tǒng)，異軍突起，獲得了亞軍，并同時(shí)斬獲了“最受大眾歡迎獎(jiǎng)”。

“深蘭科技服飾輔助設(shè)計(jì)系統(tǒng)”由深蘭科學(xué)院自主研發(fā)，起初系統(tǒng)以服裝生成和風(fēng)格遷移這兩個(gè)功能為主，隨著系統(tǒng)的不斷提升完善，如今又新增加了智能量體和虛擬試衣技術(shù)。下面，就為大家一一介紹這四項(xiàng)技術(shù)。

01服裝生成技術(shù)

服裝生成的核心是訓(xùn)練一個(gè)針對于服裝樣本的生成式對抗網(wǎng)絡(luò)，目標(biāo)是讓網(wǎng)絡(luò)的生成器通過學(xué)習(xí)已有的走秀圖，來生成大量新的服裝。

這里我們簡單的介紹一下生成式對抗網(wǎng)絡(luò)（GAN， Generative Adversarial Networks），一種深度學(xué)習(xí)模型，是近年來復(fù)雜分布上無監(jiān)督學(xué)習(xí)最具前景的方法之一。模型通過框架中（至少）兩個(gè)模塊：生成器和判別器的互相博弈學(xué)習(xí)產(chǎn)生相當(dāng)好的輸出。

生成式對抗網(wǎng)絡(luò)邏輯圖

服裝生成技術(shù)中，生成器生成的圖像作為假圖像，收集到的服裝走秀圖作為真圖像，都進(jìn)入判別器來判斷圖像的真假。生成器為了騙過判別器，則需要不斷地優(yōu)化網(wǎng)絡(luò)參數(shù)，最后達(dá)到生成的圖像越來越精細(xì)乃至以假亂真的效果。

高質(zhì)量的生成需要大量高清的樣本，我們通過2年時(shí)間收集了30萬張高清圖作為樣本。下面來展示一下服裝生成技術(shù)的結(jié)果。

02風(fēng)格遷移技術(shù)

服裝的風(fēng)格遷移就是將指定的風(fēng)格元素遷移到服裝上，用到的技術(shù)就是風(fēng)格遷移（Style Transfer）。它是使用深度卷積網(wǎng)絡(luò)CNN提取一張圖片的內(nèi)容和另一張圖片的風(fēng)格， 然后將兩者結(jié)合起來得到最后的融合結(jié)果。

在服裝風(fēng)格遷移技術(shù)中，我們將需要遷移的服裝部分摳取出來，我們摳取了整套服裝，可以看到整套服裝的遷移效果。風(fēng)格遷移可以指定遷移的風(fēng)格、遷移的程度和遷移的位置。

03智能量體技術(shù)

通過圖像的人體3D重建算法有很多，比如PIFUHD算法就可以通過單張圖像推理出人體的3D模型。

我們通過PIFUHD算法得到3D模型，通過標(biāo)定身高的方法，讓3D模型與真人進(jìn)行匹配，則得到了真人的所有身體維度數(shù)據(jù)。

通過這種方法得到的人體3D模型會(huì)存在側(cè)面和背面誤差較大的問題，所以我們在PIFUHD的基礎(chǔ)上做了優(yōu)化。我們采用正面圖、側(cè)面圖和背面圖作為算法模型的輸入，通過3張圖來獲取人體的3D模型，利用多視點(diǎn)融合技術(shù)，通過測試對象的多角度圖像來估計(jì)出當(dāng)前對象的3D模型，最后再通過對象的身高來標(biāo)定3D模型，將身體的大圍度誤差控制在了1cm以內(nèi)。

04虛擬試衣技術(shù)

PF-AFN算法是目前效果最好的虛擬試衣算法。

我們在PF-AFN算法的基礎(chǔ)上訓(xùn)練了自己的虛擬試衣模型，我們利用深蘭工裝做的虛擬試衣結(jié)果，展示的是將深蘭的無袖毛衫虛擬試穿到模特身上的試衣效果。

中國的AI企業(yè)已經(jīng)具備了通過大數(shù)據(jù)系統(tǒng)處理紛繁復(fù)雜信息的能力，能幫助設(shè)計(jì)師解決重復(fù)性的工作，為缺乏設(shè)計(jì)能力的品牌方服務(wù)，重塑整個(gè)服飾設(shè)計(jì)生態(tài)，也顯示了中國人工智能技術(shù)在服裝創(chuàng)意設(shè)計(jì)、材料使用、色彩搭配、市場趨勢、大數(shù)據(jù)技術(shù)應(yīng)用等方面取得的前瞻性進(jìn)步。

編輯：jq