时尚产业生成式AI的5个使用案例与案例研究

时尚产业生成式AI的5个使用案例与案例研究

不同行业的89%的公司都在向数字技术转换,时尚行业也不例外。麦肯锡报告称,2021年,时尚品牌和公司在新兴技术方面的投资约占其收入的1.7%。此外,他们估计到2030年,这一数字将上升到3.0%到3.5%之间。

区块链技术、不可伪造的代币(NFTs)和人工智能技术是在时尚行业实施的数字技术。另一方面,生成式人工智能相对较新;但它开始影响时尚行业的许多元素。

这篇文章解释了生成式人工智能对时尚行业的重要性,它的五大使用案例和案例研究。

什么是生成式人工智能?

生成式人工智能是指一类机器学习算法,旨在根据一组输入数据生成新的、原始的内容。

生成式人工智能被用于各种任务,包括生成文本、图像、音乐、代码,甚至整个网站。人工智能驱动的生成式对抗网络(GANs)是生成式人工智能的一种类型,可以执行曾经被认为是人类特有的创造性任务。这些强大的机器学习模型可以创建逼真的图像、视频和语音输出。

为什么生成式人工智能对时尚行业很重要?

生成式人工智能对时尚行业很重要,因为它带来了许多好处。它可以提高客户满意度,并允许在线零售商通过以下方式更快和更有成本效益地将生成式产品推向市场:

  • 使时尚设计多样化和个性化
  • 通过生成的模型增加对所有体型的表现
  • 在网上购物中创造自动化的数字体验

在时尚零售业中,美学和消费者的愉悦感都是产品设计的重要因素,而速度和新颖性又是至关重要的,GANs提供了一种高效的方式,以低成本生成新的产品设计。请看下面的视频,看看GANs的生成能力的使用。

用于图像和设计生成的生成式AI工具

在解释生成式人工智能在时尚行业的具体使用案例之前,最好先了解它是如何生成创意图像和其他构成设计的内容的。

通过利用生成式算法,人工智能可以创造出独特而有趣的图像,将计算机生成的造型与人类驱动的创造力相融合。生成式人工智能以这种方式创造的艺术品为创造视觉艺术提供了一种全新的方法。它可以挖掘生成元素,生成同一图像的无限变化。

cycleGAN算法能够生成不同艺术家和艺术流派风格的设计

图1. cycleGAN算法能够生成不同艺术家和艺术流派风格的设计,如莫奈、梵高、塞尚和浮世绘。(Source: ICCV 2017.)

有了生成式人工智能,艺术家的创造力不再受到成本或资源等限制。相反,它允许各种专业人员,如图形和时装设计师,在点击按钮的情况下制作真正创新或融合的艺术作品。在上面的图1中,你可以看到它是如何从相同的输入中产生创造性、风格化和独特的输出。由于时尚行业依赖于这三个元素(创意、风格、独特性),生成式人工智能与它的目的完美契合。

大多数人工智能生成的图像几乎不可能与真实图像区分开来。当一项研究的参与者不知道已经使用了生成式人工智能技术时,他们往往会认为由GANs生成的图像比原始图像更新颖。

另一个著名的生成式人工智能工具DALL-E,有能力创造出各种各样的图像,包括:

  • 逼真的图像
  • 抽象图案
  • 风格化的插图。

它已被证明能够生成高度创造性和新颖的图像,超越了它明确的训练内容。一些来自其现实和艺术世代的例子:

输入 "一个苹果" 将得到一系列逼真的苹果图像

图2. 输入 “一个苹果” 将得到一系列逼真的苹果图像。(来源:Medium)

添加修饰符 "by Magritte" 极大地改变了整个提示的特征 图3. 添加修饰符 “by Magritte” 极大地改变了整个提示的特征。 (来源:Medium)

在这里,你可以再次看到生成式人工智能是如何从一个基本的物体中创造出令人惊讶的、有风格的设计。

生成式人工智能在时尚界的5个使用案例与实例

1. 时尚设计师的创意设计

生成式人工智能具有生成新图像和内容的巨大能力,可以在创意设计过程中协助时装设计师开发新的想法,或帮助完善和优化现有的设计,使之符合最新的趋势。这可以通过各种技术来实现,包括:

  • 生成式设计:生成式人工智能可以根据指定的限制和参数,如所需的美学、材料和目标市场,创造全新的时尚设计。
  • 风格转移:生成式人工智能可用于将一种设计的风格应用于另一种设计,使设计师能够在现有设计的基础上创造变化,或将不同来源的元素结合起来。

此外,你不需要成为创造新设计的专属时装设计师。一位专门研究生成艺术的ML工程师Fathy Rashad通过使用StyleGan和GANSpace创造了他自己的生成式布艺设计师ClothingGAN(见下图)。

ClothingGAN生成的产品

图4. ClothingGAN生成的产品(来源:Towards Data Science)

 

2. 将草图变成彩色图像

生成式人工智能使时尚行业受益匪浅,因为它还可以将草图转化为全彩色的图像。生成式人工智能使设计师和艺术家能够以最小的努力实时体验他们的愿景(见图4)。有了这项技术,他们可以节省宝贵的时间和资源,同时能够毫无困难地进行实验。

通过pix2pix将黑白草图变成照片般的彩色图像

图5. 通过pix2pix将黑白草图变成照片般的彩色图像。(来源:Artificial Intelligence for Fashion)

此外,生成式人工智能可以帮助限制人类的错误,如颜色匹配和图案的错误。它还可以使时尚品牌变得更有创造力,利用分析众多草图到颜色组合的能力,并产生多种变化以供审查。

例如,Khroma是一个工具,它允许训练有素的算法创建真正的和个性化的调色板。同样,Colormind能够根据电影、照片、艺术作品等的首选样本来准备创造性的调色板。

通过实施这样的工具,生成式人工智能还可以帮助减少对物理样本的需求,节省时间和资源。

3. 生成具有代表性的时尚模型

使用生成式人工智能来创建多样化的时尚模型,可以帮助时尚公司更好地服务于广大客户,并以更真实和准确的方式展示他们的产品。剑桥大学的一项研究表明,当多芬的广告活动以不同肤色和体型的女性为主角时,两个月内销售额增加了600%。

为此,它可以通过几种方式来创造多样化的时尚模特:

  • 虚拟试穿:生成式人工智能可以创建时尚产品的虚拟代表,可以叠加到人的图像上,让客户可以虚拟 “试穿” 衣服。这些虚拟模型可以被定制,以代表广泛的体型、颜色和尺寸,让客户看到衣服在他们身上的具体表现。
  • 3D渲染:生成式人工智能可以创建时尚产品的3D模型,可以旋转和从不同角度观看。这些模型可以定制,以代表广泛的体型、颜色和尺寸,让设计师看到衣服在不同体型上的效果。

日本科技公司DataGrid使用GANS技术创建了可以改变身体的模型。你可以观看该公司发布的视频,展示众多的生成模型:

Lalaland是另一家科技创业公司,在生成式人工智能的驱动下制作超现实的虚拟时装模型,供电子商务平台使用。它的工作方式是创建模特头像,上传服装图像,对产品进行造型,然后下载输出图像。

4. 时尚品牌的营销和趋势分析

人工智能驱动的生成模型使公司能够加快和改善其趋势预测和营销分析能力。因此,公司在领先于趋势的同时,更有效地满足客户的未来需求。

它可以通过以下方式帮助趋势分析:

  • 汇集各种技术,如机器学习和概率编程。这些技术可以建立强大的生成模型,考虑到时尚业务中客户的欲望。
  • 为特定的消费者欲望生成深度个性化的选项,超越了传统分析和客户需求算法所能做到的。

它还通过以下方式提高营销能力:

  • 利用数据分析、自然语言处理和机器学习,为目标受众创建高度定制和个性化的产品系列
  • 根据特定人的兴趣和喜好设计电子邮件、网站页面、标题和广告,以吸引他们的注意力
  • 谋划有创意的、真实的营销和广告内容,有可能冲进搜索结果中去

5. 保护消费者的数据隐私

时尚行业可以利用生成式人工智能来改善消费者的数据隐私。生成式人工智能算法允许时尚公司产生新的设计,同时保持客户数据的隐私。通过生成式人工智能产生的合成数据集,公司能够创造独特的模式和自动数据分析,同时保护客户的详细信息,例如:

  • 联系信息
  • 银行信息
  • 购买历史
  • 偏好
  • 以及更多来自第三方的信息。

它保障了个人的财务安全,并在不侵犯人们隐私的情况下为组织提供了对其目标市场的宝贵见解。这样一来,生成式人工智能为时尚品牌提供了一种以安全方式革新其商业战略的方法。

生成式人工智能对时尚行业的挑战

生成式人工智能对时尚行业等创意部门的最大挑战可能是围绕人工智能生成的作品的版权问题的模糊性。在时尚界使用生成式人工智能会导致一些问题,例如:

  • 对生成的设计或其他时尚材料的独特性、原创性或版权资格提出异议
  • 时装设计师或人工智能的程序员是否应该拥有所生成作品的所有权问题
  • 滥用这些工具进行不道德的营销策略
  • 削弱时尚行业中人的创造力并导致失业的风险

进一步阅读

如果你对生成式人工智能的创作、应用和工具感兴趣,你还应该查看这些文章:

  1. “State of Fashion Technology Report 2022.” McKinsey, 2 May 2022, https://www.mckinsey.com/industries/retail/our-insights/state-of-fashion-technology-report-2022. Accessed 25 December 2022.
  2. “Unpaired image-to-image translation using cycle-consistent adversarial networks.” ICCV 2017, Zhu, J.Y., Park, T., Isola, P., Efros, A.A.
  3. “Artificial intelligence in the fashion industry | by Research Features.” Medium, https://medium.com/@ResearchFeatures/artificial-intelligence-in-the-fashion-industry-2df9e0e42a54. Accessed 25 December 2022.
  4. “How to Build an AI Fashion Designer | by Fathy Rashad.” Towards Data Science, https://towardsdatascience.com/how-to-build-an-ai-fashion-designer-575b5e67915e. Accessed 25 December 2022.
  5. “Generative Models as Fashion Designers.” Artificial Intelligence for Fashion, 125–139. Luce, L. (2018). doi:10.1007/978-1-4842-3931-5_8 .
  6. https://www.theinterline.com/01/2022/generative-deep-learning-in-fashion-the-pinnacles-perils-and-why-well-be-synthesising-supermodels/

评论留言