如果您看不到或想象自己穿著一件衣服，就很難知道它是否適合您。有多少次你在網(wǎng)上買(mǎi)了一件東西，當(dāng)它送到你家門(mén)口時(shí)興奮地打開(kāi)盒子，沖上去試穿，然后……困惑地盯著鏡子？它可能以您意想不到的方式垂墜。或者在您身上看起來(lái)與在在線模型上看起來(lái)完全不同。

本周，google將在 Google.com 上發(fā)布一項(xiàng)新的購(gòu)物功能，旨在為人們提供更有用的在線購(gòu)物體驗(yàn)。虛擬試穿 (VTO) 在具有不同體型和尺寸的真實(shí)模特身上生成栩栩如生的服裝寫(xiě)照。這些圖像包括那些微妙但至關(guān)重要的細(xì)節(jié)，例如某些東西如何懸垂、折疊、緊貼、拉伸和皺紋——所有這些都具有為 VTO 開(kāi)發(fā)的新生成 AI 模型的強(qiáng)大功能。

購(gòu)物者只需選擇一件他們感興趣的服裝，然后選擇一個(gè)款式，瞧，他們已經(jīng)看到試穿了。

“VTO 是在線購(gòu)物向前邁出的激動(dòng)人心的一步，尤其是在顯然需要更多代表性的服裝領(lǐng)域，”購(gòu)物產(chǎn)品經(jīng)理 Shyam Sunder 說(shuō)。“服裝是谷歌搜索最多的購(gòu)物類(lèi)別之一，因此對(duì)人們和品牌的幫助潛力巨大。統(tǒng)計(jì)數(shù)據(jù)顯示了一個(gè)明確的需求：42% 的在線購(gòu)物者覺(jué)得模特圖片無(wú)法代表他們，59% 的人對(duì)他們?cè)诰W(wǎng)上購(gòu)買(mǎi)的商品感到不滿意，因?yàn)樗雌饋?lái)與他們預(yù)期的不一樣。”

從一開(kāi)始，該團(tuán)隊(duì)就想為購(gòu)物者提供一系列可以解決這個(gè)問(wèn)題的模型。“當(dāng)我們?cè)?a target="_blank">網(wǎng)絡(luò)上搜索服裝時(shí)，當(dāng)涉及到穿著這些衣服的模特時(shí)，我們會(huì)發(fā)現(xiàn)結(jié)果差異很小，”Shyam 說(shuō)。“我記得一個(gè)例子，50 張圖片中只有四張是有色人種。所以問(wèn)題是，即使我們想在購(gòu)物中顯示不同的圖像，我們也做不到，因?yàn)榫W(wǎng)絡(luò)上沒(méi)有足夠的圖像。這是我熱切想要解決的問(wèn)題。”

因此，該團(tuán)隊(duì)創(chuàng)建了他們自己的資料庫(kù)，其中包含 80 個(gè)代表多種尺寸、膚色、身高、年齡和性別的模特，以便在 Google 上購(gòu)物的人可以選擇他們最感興趣的模特，并查看衣服穿在身上的效果。

“一個(gè)關(guān)鍵問(wèn)題是如何在每個(gè)模型上自動(dòng)生成任何服裝，”購(gòu)物研究科學(xué)家 Ira Kemelmacher-Shlizerman 說(shuō)。“人們研究類(lèi)似技術(shù)已經(jīng)有一段時(shí)間了，但最終的圖像從來(lái)沒(méi)有完全達(dá)到目標(biāo)——它們存在視覺(jué)缺陷，比如錯(cuò)位的褶皺，使衣服看起來(lái)畸形和不自然。所以我們給自己設(shè)定了一個(gè)挑戰(zhàn)：創(chuàng)造一種方法，可以為任何體型和體形的人合成逼真的高質(zhì)量圖像。這就是生成人工智能的用武之地。”

該團(tuán)隊(duì)轉(zhuǎn)向了 VTO 的文本到圖像模型，該模型能夠從文本輸入創(chuàng)建高度逼真的圖像。尤其重要的是一種稱(chēng)為擴(kuò)散的技術(shù)，該技術(shù)會(huì)逐漸將噪聲添加到照片中，并訓(xùn)練神經(jīng)網(wǎng)絡(luò)去除這些噪聲像素。

對(duì)于 VTO，該團(tuán)隊(duì)沒(méi)有使用單一的擴(kuò)散網(wǎng)絡(luò)和大型語(yǔ)言模型（如在文本到圖像中使用的那樣），而是創(chuàng)建了一種稱(chēng)為并行 U-net 的新架構(gòu)，它接受兩幅圖像：人物圖像和服裝圖像。每張圖片都通過(guò)自己的神經(jīng)網(wǎng)絡(luò)——U-net——同時(shí)通過(guò)稱(chēng)為“交叉注意力”的過(guò)程進(jìn)一步相互交流。“結(jié)果是驚人的，”艾拉說(shuō)。“我們的用戶研究表明，我們的方法比最先進(jìn)的方法有很大的優(yōu)勢(shì)——超過(guò) 95% 的時(shí)間。”

該團(tuán)隊(duì)使用 Google 的 Shopping Graph 對(duì)新的 AI 模型進(jìn)行嚴(yán)格訓(xùn)練，這是世界上最全面的產(chǎn)品、賣(mài)家、品牌、評(píng)論和庫(kù)存數(shù)據(jù)集。他們使用數(shù)百萬(wàn)對(duì)圖像來(lái)訓(xùn)練模型，每對(duì)圖像都包括一個(gè)穿著衣服的人以兩種不同的姿勢(shì)。人工智能模型學(xué)習(xí)將一個(gè)姿勢(shì)的襯衫形狀與另一個(gè)姿勢(shì)的人相匹配，反之亦然，直到它可以從各個(gè)角度生成該人穿著襯衫的逼真圖像。

在一個(gè)例子中，試穿結(jié)果似乎比原來(lái)的衣服顏色更亮。該團(tuán)隊(duì)對(duì)這些類(lèi)型的示例進(jìn)行了數(shù)天的審議，但最終決定在發(fā)布時(shí)謹(jǐn)慎行事，當(dāng)出現(xiàn)任何此類(lèi)錯(cuò)誤時(shí)，刪除在模型上虛擬試穿服裝的選項(xiàng)。隨著他們從用戶和品牌那里得到反饋，他們將繼續(xù)做出調(diào)整。“為生成圖像發(fā)明全自動(dòng)評(píng)估仍然是一個(gè)懸而未決的問(wèn)題，我們正在積極努力，”艾拉說(shuō)。

如今，Google Shopping Graph 上數(shù)百個(gè)品牌和零售商的女裝上衣均可試穿，包括 Anthropologie、LOFT、H&M 和 Everlane。隨著時(shí)間的推移，該工具將變得更加精確并擴(kuò)展到更多品牌。到目前為止，品牌反響非常積極。

“當(dāng)我們讓他們了解這項(xiàng)技術(shù)時(shí)，我們收到了一些很好的反饋，并且也非常渴望參與，”Shyam 說(shuō)。“他們中的一些人非常喜歡它，他們要求使用這項(xiàng)技術(shù)來(lái)支持他們自己的網(wǎng)站。”