至顶网CIO与应用频道 01月18日 编译:如今的年轻时尚购物者比以往更要求个性化。根据IBM的一项研究,52%的Z世代女性希望看到能让他们为自己定制产品的工具。
这与对产品交付速度的越来越高的期望相一致。虽然有几家快速时尚零售商可以在几周内将产品上架,但是大部分服装的交付需要花费6-12个月的时间。
技术正在影响整个供应链,以推动这一进程,包括创造性的过程本身。人工智能(包括计算机视觉、自然语言理解和深度学习)正在被用于得出对趋势的重要见解,以加快最初的设计过程,并更好地预测超本地化产品的需求。
IBM正在与Tommy Hilfiger和纽约时装技术学院(FIT)Infor设计和技术实验室合作了一个名为Reimagine Retail的项目来证明这一点。IBM全球消费品行业总经理Steve Laughlin表示,这么做的目的是要展示人工智能如何为零售商带来速度优势,并为下一代零售业领导者提供使用人工智能进行设计的新技能。
纽约时装技术学院的学生可以使用IBM Research的人工智能功能,包括计算机视觉、自然语言理解和专门训练时装数据的深度学习技巧。
这些工具被应用于Tommy Hilfiger产品图像中的15000个、大约60万个公开可用的图像以及来自织物网站的近10万个图案。然后,这些工具把关键的轮廓、颜色和新颖的印刷品和图案用来启发学生的设计灵感。
“机器学习分析为我们提供了有关Tommy Hilfiger颜色、轮廓和印花的见解,而这些我们无法用人类的思想开始消化或理解。这使得纽约时装技术学院时装设计专业的学生从美国史料或流行时尚潮流中获得灵感,并将Tommy Hilfiger品牌的‘DNA’与那些‘DNA’结合起来,创造全新的设计理念。”纽约时装技术学院Infor设计与技术实验室执行总监Michael Ferraro解释说。
“所以,这个项目的关键是新的灵感。对于消费者来说,另一个重要的影响是定制和个性化服装的机会,又不会失去他们所喜爱的Tommy Hilfiger风格,”他认为,印刷生产工具和个性分析提供了一些很好的机会,除了探索人工智能如何影响时尚设计的决策,我们还探讨了社交媒体聆听和语音识别等工具如何打造以互动“智能”供应链战略为基础的、更加个性化的购物体验,从而优化浪费,减少对环境的影响。“
由此产生的3D数字设计呈现给Tommy Hilfiger和IBM的高管,他们选择了纽约时装技术学院高级设计师Grace McCarty的一款格纹科技感夹克。McCarty说,当设计外观的时候,她从AI对Tommy品牌风格、流行和趋势的色彩、人工智能产生的新颖款式中汲取灵感。
该设计中还利用IBM Watson音频分析工具,融入了一种潜入一个可移动的、未来感的格子图案。该分析工具几乎可以实时地响应客户社交媒体帐户中的各种情绪。
“作为一个品牌,我们总是通过创新和颠覆来推动各种可能性的界限。这些年轻的设计师通过展示时尚、科技和科学的成功融合,真正体现了这种精神,”Tommy Hilfiger首席品牌官Avery Baker在IBM的博客中这样写道。
在设计中使用人工智能的一个关键点,是它是否宣告了创造力的死亡。如果人工智能是用来打造新的收藏品,那么首先是否还需要设计师呢? Ferraro和Laughlin都认为这个项目展示了如何将它用作增强人类进程的手段,而不是取代人类。
Laughlin解释说:“AI可以通过增强和缩短总体交付时间来帮助设计团队,并通过使用计算机视觉分析和记忆来自数千个图像和视频的见解,来扩展他们的创造性发现。这些设计师还可以更容易地找到如何整合各种流行色彩、关键模式和样式的方法。”这将减少耗时的、资源密集型的手动过程——或者通过提供比以前更广泛的来源来消化该研究元素。
“这是那些加强和扩大人类专业知识的系统,那些试图复制全部人类智能的系统,之间的关键区别。AI激发了我们,为设计过程注入了新的活力,”Ferraro补充道。
IBM之前曾与澳大利亚设计师Jason Grech一起在墨尔本时装周的Cognitive Couture系列中合作,同样是分析了数以千计的时尚图像以及社交媒体内容,以数据驱动的方式在设计过程中提供帮助。
Laughlin强调说,更容易获得对趋势的预测,更快地将产品推向市场,这意味着减少销售损失。他解释说:“对于消费者来说,当所需的商品没有立即上线网上商店的话,销售就不会发生。”
“(时装公司)缓慢流动过程阻碍了品牌与当今快速发展的消费者期望、产品趋势和外部市场力量同步的能力……在有了AI的未来时尚中,设计师可以从内部和外部数据源获得洞察,从而使他们的设计为更多人所了解。这也赋予了他们为某些市场或消费者定制和个性化外观的能力。”
纽约时装技术学院的六个设计中的三个样品在本周纽约NRF的Big Show展出。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。