深兰科技·探究|AI+服饰设计,助力重塑行业生态

深兰科技·探究|AI+服饰设计,助力重塑行业生态
2021年06月18日 22:58 AI周刊

       2019年4月20日,由中国服装协会和上海时尚之都促进中心共同主办的以“未来时尚”为设计主题的2019中国国际服装设计创新大赛在上海落下帷幕,欧洲设计学院获得冠军,16支参赛队伍中唯一的“非人类设计师”——深兰科技服饰辅助设计系统,异军突起,获得了亚军,并同时斩获了“最受大众欢迎奖”。

      “深兰科技服饰辅助设计系统”由深兰科学院自主研发,起初系统以服装生成和风格迁移这两个功能为主,随着系统的不断提升完善,如今又新增加了智能量体和虚拟试衣技术。下面,就为大家一一介绍这四项技术。

服装生成技术

       服装生成的核心是训练一个针对于服装样本的生成式对抗网络,目标是让网络的生成器通过学习已有的走秀图,来生成大量新的服装。

这里我们简单的介绍一下生成式对抗网络(GAN, Generative Adversarial Networks),一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中(至少)两个模块:生成器和判别器的互相博弈学习产生相当好的输出。

生成式对抗网络逻辑图

服装生成技术中,生成器生成的图像作为假图像,收集到的服装走秀图作为真图像,都进入判别器来判断图像的真假。生成器为了骗过判别器,则需要不断地优化网络参数,最后达到生成的图像越来越精细乃至以假乱真的效果。

高质量的生成需要大量高清的样本,我们通过2年时间收集了30万张高清图作为样本。下面来展示一下服装生成技术的结果,这6张图片都是AI生成的走秀图。

风格迁移技术

服装的风格迁移就是将指定的风格元素迁移到服装上,用到的技术就是风格迁移(Style Transfer)。它是使用深度卷积网络CNN提取一张图片的内容和另一张图片的风格, 然后将两者结合起来得到最后的融合结果。

风格迁移算法原理图

在服装风格迁移技术中,我们将需要迁移的服装部分抠取出来,下图我们抠取了整套服装,所以从右边的图片可以看到整套服装的迁移效果。风格迁移可以指定迁移的风格、迁移的程度和迁移的位置。

智能量体技术

通过图像的人体3D重建算法有很多,比如PIFUHD算法就可以通过单张图像推理出人体的3D模型。

PIFUHD人体3D重建算法流程图

我们通过PIFUHD算法得到3D模型,通过标定身高的方法,让3D模型与真人进行匹配,则得到了真人的所有身体维度数据,如下图所示。

通过这种方法得到的人体3D模型会存在侧面和背面误差较大的问题,所以我们在PIFUHD的基础上做了优化。我们采用正面图、侧面图和背面图作为算法模型的输入,通过3张图来获取人体的3D模型,利用多视点融合技术,通过测试对象的多角度图像来估计出当前对象的3D模型,最后再通过对象的身高来标定3D模型,将身体的大围度误差控制在了1cm以内。

虚拟试衣技术

PF-AFN算法是目前效果最好的虚拟试衣算法,该模型算法原理图如下所示。

PF-AFN算法原理图

我们在PF-AFN算法的基础上训练了自己的虚拟试衣模型,下图是我们利用深兰工装做的虚拟试衣结果,展示的是将深兰的无袖毛衫虚拟试穿到模特身上的试衣效果。从图中可以看出衣服贴合感很好。

中国的AI企业已经具备了通过大数据系统处理纷繁复杂信息的能力,能帮助设计师解决重复性的工作,为缺乏设计能力的品牌方服务,重塑整个服饰设计生态,也显示了中国人工智能技术在服装创意设计、材料使用、色彩搭配、市场趋势、大数据技术应用等方面取得的前瞻性进步。

财经自媒体联盟

新浪首页 语音播报 相关新闻 返回顶部