Denne AI-en lærer deg motesansen din og finner opp ditt neste antrekk

Daniel Savage

Kunstig intelligens kan bare skape en helt ny stiltrend: kall det prediktiv mote.

I en artikkel publisert på ArXiv , forskere fra University of California, San Diego og Adobe har skissert en måte for AI å ikke bare lære en persons stil, men lage datagenererte bilder av gjenstander som matcher den stilen. Systemet kan la forhandlere lage personlige klær, eller kan til og med brukes til å forutsi bredere motetrender.

Oppgaven beskriver to forskjellige algoritmer. Først trente forskerne et konvolusjonelt nevralt nettverk (CNN) for å lære og klassifisere en brukers preferanser for visse varer, ved å bruke kjøpsdata skrapet fra Amazon i seks kategorier: sko, topper og bukser for både kvinner og menn. Denne typen anbefalingsmodell er vanlig i netthandelsverdenen, og dukker vanligvis opp i et område for andre varer du kanskje liker nederst på siden.

Relatert historie

Beslektet historie Falske videoer kan bli så overbevisende at vi kanskje må venne oss til å få nyhetene våre uten dem.

Teamet brukte deretter denne informasjonen til å trene opp et generativt motstridende nettverk (GAN), en type kunstig intelligens som er spesielt dyktig når det gjelder å generere realistiske bilder. En GAN fungerer ved at to nettverk trener på samme data. Ett av nettverkene genererer falske bilder basert på det datasettet, mens det andre nettverket bruker de samme dataene for å avgjøre om et bilde er ekte. Denne metoden lar nettverket forbedre resultatene. For denne forskningen opprettet GAN flere bilder av elementer for hver bruker.

GAN-er, som ble opprettet av Ian Goodfellow, en av MIT Technology Review 's 35 Innovators Under 35 for 2017, har vært i nyhetene nylig: etter at et annet forskerteam trente dem på ekte bilder av Hollywood-stjerner, var nettverkene i stand til å lage uhyggelig troverdige falske kjendisansikter. Ansiktene var imidlertid ikke perfekte – noen hadde uskarpe områder eller manglet trekk som øyenbryn. Det var færre slike problemer med moteprosjektet, hovedsakelig fordi bildene som ble brukt til å trene nettverkene ble tatt fra samme vinkel på hvit bakgrunn, noe som gjør det mye enklere å generere overbevisende bilder – noe som ville vært avgjørende hvis de noen gang skulle bli brukt. å selge klær.

Å legge til GAN-er til anbefalingssystemer kan hjelpe netthandlere med å finne ut hva kundene vil ha utover varene som allerede eksisterer. Likevel må forskere finne ut ganske mange ting før det kan skje, inkludert hvordan de todimensjonale datagenererte bildene kan gjøres om til 3D-gjengivelser som kan brukes til å produsere et stykke klær.

Det er ikke slik at vi genererer et symønster, sier Julian McAuley, en dataforsker ved UC San Diego og en av avisens forfattere.

Teamets GAN har også en vei å gå før den kan erstatte en stylist eller til og med foreslå et nytt antrekk. For øyeblikket, for en shopper som likte blå skjorter, skaper GAN flere blå skjorter – knapt en åpenbaring. Preferanse for svarte bukser matet inn i GAN for å lage khakis, men systemet kan ikke lage et sett med sko som passer bra med et bestemt par bukser ennå.

Du må lese tebladene litt hvis du vil kalle den stilen eller ikke, sier McAuley.

Til tross for gjeldende begrensninger, virker mote moden for en AI-invasjon; det er en arena som har gode datasett om kundenes interesser, og det er mye penger på spill. Amazon, for en, jobber allerede med AI-systemer for å gi et bein i å oppdage motetrender, og det har også jobbet litt med GAN-er (se Amazon har utviklet en AI-motedesigner). Alibaba, i mellomtiden, debuterte nettopp FashionAI , en teknologi som kan anbefale varer til shoppere på grunnlag av hva de tok med seg inn i garderoben.

Costa Colbert, sjefforskeren ved Vue.ai, en oppstart av mote-AI som nylig avslørte en metode for å lage falske motemodeller ved å bruke GAN-er, sier at så lovende som UCSD- og Adobe-forskningen ser ut til å være, krever den så mye data at det kan være nyttig bare for de største navnene innen netthandel.

Hvis alt personen gjør er å komme inn og klikke på én ting, kommer du ikke til å kunne gjøre mye, sier Colbert.

GAN-er vil imidlertid fortsette å skape bølger innen nettmote. Colbert påpeker at noen selskaper allerede lar kunder sende inn sine personlige mål for å få tilpassede deler. GAN-er kan være en billig og rask måte å vise brukere alle de forskjellige tilgjengelige alternativene på – og selvfølgelig selge flere varer.

gjemme seg