|
2019年4月20日，由中国服装协会和上海时兴之都促进中心共同主办的以“将来时兴”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支参赛队伍中独一的“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”由深兰迷信院自主研发，后来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，如今又新添加了智能量体和虚拟试衣技术。下面，就为大家逐一引见这四项技术。
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，目的是让网络的生成器经过学习已有的走秀图，来生成大量新的服装。
这里我们简单的引见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。模型经过框架中（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入。
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，搜集到的服装走秀图作为真图像，都进入判别器来判别图像的真假。生成器为了骗过判别器，则需求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。
高质量的生成需求大量高清的样本，我们经过2年工夫搜集了30万张高清图作为样本。下面来展现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）。它是运用深度卷积网络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交融结果。
风格迁移算法原理图
在服装风格迁移技术中，我们将需求迁移的服装部分抠取出来，下图我们抠取了整套服装，所以从左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地位。
智能量体技术
经过图像的人体3D重建算法有很多，比如PIFUHD算法就可以经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
我们经过PIFUHD算法得到3D模型，经过标定身高的方法，让3D模型与真人停止婚配，则得到了真人的一切身体维度数据，如下图所示。
经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成绩，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，经过3张图来获取人体的3D模型，应用多视点交融技术，经过测试对象的多角度图像来估计出当前对象的3D模型，最后再经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本人的虚拟试衣模型，下图是我们应用深兰工装做的虚拟试衣结果，展现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企业曾经具有了经过大数据系统处理纷繁复杂信息的才能，能协助设计师处理反复性的工作，为缺乏设计才能的品牌方服务，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、材料运用、颜色搭配、市场趋向、大数据技术运用等方面获得的前瞻性提高。 | 
