2019年4月,由中國服裝協會和上海時尚之都促進中心共同主辦的以“未來時尚”為設計主題的2019中國國際服裝設計創新大賽在上海落下帷幕,歐洲設計學院獲得冠軍,16支參賽隊伍中唯一的“非人類設計師”——深蘭科技服飾輔助設計系統,異軍突起,獲得了亞軍,并同時斬獲了“最受大眾歡迎獎”。
“深蘭科技服飾輔助設計系統”由深蘭科學院自主研發,起初系統以服裝生成和風格遷移這兩個功能為主,隨著系統的不斷提升完善,如今又新增加了智能量體和虛擬試衣技術。下面,就為大家一一介紹這四項技術。
01服裝生成技術
服裝生成的核心是訓練一個針對于服裝樣本的生成式對抗網絡,目標是讓網絡的生成器通過學習已有的走秀圖,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絡(GAN, Generative Adversarial Networks),一種深度學習模型,是近年來復雜分布上無監督學習最具前景的方法之一。模型通過框架中(至少)兩個模塊:生成器和判別器的互相博弈學習產生相當好的輸出。
生成式對抗網絡邏輯圖
服裝生成技術中,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,則需要不斷地優化網絡參數,最后達到生成的圖像越來越精細乃至以假亂真的效果。
高質量的生成需要大量高清的樣本,我們通過2年時間收集了30萬張高清圖作為樣本。下面來展示一下服裝生成技術的結果。
02風格遷移技術
服裝的風格遷移就是將指定的風格元素遷移到服裝上,用到的技術就是風格遷移(Style Transfer)。它是使用深度卷積網絡CNN提取一張圖片的內容和另一張圖片的風格, 然后將兩者結合起來得到最后的融合結果。
在服裝風格遷移技術中,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。風格遷移可以指定遷移的風格、遷移的程度和遷移的位置。
03智能量體技術
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,通過標定身高的方法,讓3D模型與真人進行匹配,則得到了真人的所有身體維度數據。
通過這種方法得到的人體3D模型會存在側面和背面誤差較大的問題,所以我們在PIFUHD的基礎上做了優化。我們采用正面圖、側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,利用多視點融合技術,通過測試對象的多角度圖像來估計出當前對象的3D模型,最后再通過對象的身高來標定3D模型,將身體的大圍度誤差控制在了1cm以內。
04虛擬試衣技術
PF-AFN算法是目前效果最好的虛擬試衣算法。
我們在PF-AFN算法的基礎上訓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企業已經具備了通過大數據系統處理紛繁復雜信息的能力,能幫助設計師解決重復性的工作,為缺乏設計能力的品牌方服務,重塑整個服飾設計生態,也顯示了中國人工智能技術在服裝創意設計、材料使用、色彩搭配、市場趨勢、大數據技術應用等方面取得的前瞻性進步。
編輯:jq
-
3D
+關注
關注
9文章
2875瀏覽量
107495 -
AI
+關注
關注
87文章
30763瀏覽量
268917 -
GaN
+關注
關注
19文章
1933瀏覽量
73320 -
生成器
+關注
關注
7文章
315瀏覽量
21005 -
深蘭科技
+關注
關注
1文章
55瀏覽量
5959
原文標題:探究 | AI+服飾設計,助力重塑行業生態
文章出處:【微信號:kmdian,微信公眾號:深蘭科技】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論