W cyfrowym świecie wygląd reprezentowany jest jako obraz w komputerze. Nic więc dziwnego, że wymiany ubrań (close swapping) wchodzą również do świata cyfrowego, by zredukować koszty sesji zdjęciowych i przyspieszyć proces wprowadzania nowych produktów na rynek, a pomaga w tym… sztuczna inteligencja.
W październiku 2017 roku Zalando opublikowało pracę naukową, jak i artykuł zatytułowany The Conditional Analogy GAN: Swapping Fashion Articles on People Images. Jest to interesująca aplikacja opisywanych we wcześniejszym artykule GANów do automatycznej zamiany ubrań na zdjęciach modelek.
Nie jest tajemnicą, że w dzisiejszym świecie e-commerce skala i szybkość jest zarówno szansą jak i wyzwaniem. Wąskim gardłem okazują się powolne i drogie sesje zdjęciowe. Gdy weźmiemy pod uwagę jak często pojawiają się nowe kolekcje, które zawierają nawet kilkaset nowych artykułów, wykonanie sesji zdjęciowe na profesjonalnych modelach jest czasochłonne i kosztowne. Jak napisało samo Zalando: Wykorzystanie dostępnych danych i ponowne wykorzystanie obrazów ludzkich modeli i produktów byłoby zatem bardzo przydatne w branży mody.
Trudno się z nimi nie zgodzić. Obraz może zostać wygenerowany w zaledwie kilka minut, a jego koszt jest dużo niższy niż w przypadku tradycyjnych sesji. Oczywiście warto wspomnieć, że na aktualnym etapie technologia nie zastąpi jeszcze sesji wizerunkowych – które są bardziej dynamiczne i ukazują tożsamość marki. Jednak technologia może znacznie odciążyć generowanie zdjęć typu lookbook, wykorzystywanych głównie w sklepach internetowych. Oznacza to szybszą dostępność produktów z niezbędnymi zdjęciami na platformie internetowej, a co za tym idzie możliwość sprawniejszego uzyskania pierwszych zysków z produktu.
>>> Przeczytaj również: Zakupy przez Instagram Stories?
Zamianie poddawane są 2 zdjęcia; jedno z modelką, a drugie z produktem, efektem jest zmodyfikowane zdjęcie będące kombinacją dwóch poprzednich, a przenosząc to z świata wirtualnego możemy metaforycznie powiedzieć, że algorytm ubiera modelkę w nowe ubranie. Podczas „wymiany” algorytm, który uczy się, by lepiej zrozumieć, co cechuje naturalnie wyglądające zdjęcia na danych treningowych – dostępnej bazie obrazów – zwany generatorem dokonuje zniekształceń, zmian oświetlenia, obrotów 3d i deformacji, by jak najlepiej „przekonać” drugi model zwany dyskryminatorem, który ocenia jak realistyczna jest zamiana, a tym samym generator dąży do jak najlepszego, naturalnie wyglądającego odwzorowania.
Można powiedzieć, że generator ubiera modelkę, a dyskryminator ocenia, czy wygląda ona naturalnie, na podstawie oceny generator poprawia swoje wyniki, by przekonać dyskryminator, że wygenerowane zdjęcie jest prawdziwe – nieodbiegające od zdjęć z bazy treningowej. Takie zdjecie będzie też naturalnie wyglądającym dla ludzkiego oka.
Rozwiązanie ma nie tylko potencjał przyspieszyć gotowość produktu, ale wraz z większym zaawansowaniem w przyszłości może też być wykorzystywany do tzw. wirtualnych przymierzalni.
Kolejną pracę wykorzystującą GANy Zalando zaprezentowało w tym roku, chodziło o wsparcie przy procesie projektowania ubrań. Celem było usprawnienie całego cyklu poprzez możliwość szybkiej wizualizacji projektu i redukcji jego iteracji. Rozwiązanie wspomogłoby projektantów poprzez umożliwienie bazowania na już istniejących ubraniach i możliwości swobodniejszej manipulacji ich kształtami, teksturami i kolorami w czasie prawie rzeczywistym, bez wysublimowanego oprogramowania graficznego.
Największym wyzwaniem dla algorytmu było tutaj izolowanie efektów np. utrzymanie tego samego koloru przy zmianie tekstury i kształtu. Zalando udało się stworzyć rozwiązanie, które wraz z specjalistyczna wiedzą projektantów może usprawnić proces i pozwolić na szybsze prototypowanie jeśli chodzi o manipulacje wcześniej wymienionymi trzema parametrami ubioru: rozmiar, kolor, tekstura.
Jakość generowanych przez algorytmy GAN zdjęć z roku na rok jest coraz lepsza i na pewno zagoszczą one na stałe w wachlarzu narzędzi branży modowej.
Wykorzystanie GANów nie ogranicza się tylko do statecznych zdjęć są one również eksplorowane w dynamicznej formie video. Na zakończenie zatem krótki film, który pokazuje aktualne możliwości GANów jeśli chodzi o mapowanie ruchów z innych video.
Nie tylko Zalando mocno eksploruje sposoby usprawnienia procesów branży fashion, startupy modowe również w Polsce pomagają innym markom modowym nie odstawać od konkurencyjnych gigantów, korzystając z dobrodziejstw algorytmu GAN. Jedno jest pewne – na dzień dzisiejszy kwestia wprowadzania rozwiązań sztucznej inteligencji w branży modowej to już nie kwestia pytania „czy warto?”, tylko „kiedy?”. Warto zaczynać krok po kroku i dobrze zdefiniować, które z rozwiązań przyniesie w krótkim czasie odczuwalne benefity dla marki.
Autorzy: Zespół AIMEE (część grupy technologicznej ULAM.AI, która wykorzystuje najnowsze badania nad sztuczną inteligencją w różnych dziedzinach biznesu).
