محققان دانشگاه کالیفرنیا سن دیگو و Adobe Research نشان داده اند که چگونه هوش مصنوعی و شبکه های عصبی می توانند روزی طراحی پوشاک سفارشی ایجاد کنند تا خرده فروشان و تولیدکنندگان پوشاک براساس آنچه از ترجیحات خریدار آموخته اند ، لباس های خود را به مصرف کنندگان بفروشند.

وی ادامه داد: "ما نشان می دهیم که از مدل ما می توان به صورت تولیدی استفاده کرد ، به عنوان مثال ، با توجه به کاربر و یک دسته بندی محصولات ، می توانیم تصاویر جدیدی تولید کنیم (در این مورد آیتم های لباس) که مطابق با سلیقه شخصی کاربر باشد." دکتری علمی دانش آموز وانگ چنگ کانگ. "این اولین قدم به سمت ساخت سیستم هایی است که فراتر از توصیه کالاهای موجود از یک کالای تجاری ، به پیشنهاد سبک ها و کمک به طراحی محصولات جدید است."

یافته های آنها در اوایل ماه نوامبر در ArXiv در مقاله ای با عنوان "توصیف و طراحی مد آگاهانه بصری-آگاهانه با مدل های تصویر تولیدی" منتشر شد. استاد علوم فنی و مهندسی جولیان مک آولی و دکتری سال دوم وی دانشجو ، وانگ چنگ کانگ ، با کارشناسان صنعت چن نیش و ژائوئن وانگ از Adobe Research در این تحقیق همکاری کرد.

مک آولی و همکارانش می نویسند: "این نشان می دهد یک نوع جدید از رویکرد توصیه که می تواند برای توصیه ، تولید و طراحی استفاده شود ." "این چهارچوبها می توانند به فرمهای غنی تر از توصیه منجر شوند ، جایی که توصیه های محتوا و تولید محتوا با هم ارتباط نزدیکی دارند."

این پروژه با هدف آزمایش چگونگی استفاده از ابزارهای هوش مصنوعی و یادگیری ماشینی می تواند به صنعت مد و مصرف کنندگان - خصوصاً آنهایی که در میان گروه رو به رشد خریداران مشتاق خرید لباس در اینترنت هستند ، کمک کند.

در حالی که الگوریتم ها و ابزارهای بسیاری برای کمک به خرده فروشان آنلاین وجود دارد که طرح ها را به خریداران بالقوه توصیه می کنند ، تیم تحقیقاتی UC San Diego-Adobe یک قدم بزرگ را پشت سر گذاشت. آنها می خواستند ببینند كه امكان خرد كردن ترجیح و سایر داده ها نه تنها توصیه هایی را ارائه می دهد ، بلكه به طور بالقوه می تواند رایانه ها را قادر به تولید طرح های جدیدی از لباس ها كند كه حاشیه ای داشته باشد زیرا آنها ترجیحات شخصی فرد مصرف كننده را منعكس می كنند.

هر ردیف یک فرآیند بازیابی / بهینه سازی مجزا برای یک کاربر خاص و دسته بندی محصولات است. در سمت چپ تصاویر واقعی وجود دارد. در سمت راست ، مصنوعی. مقادیر نمرات ترجیحی برای هر تصویر هستند. اعتبار: دانشگاه کالیفرنیا سن دیگو
در ابتدا ، محققان برای ساختن توصیه های بهتر بویژه در مورد توصیه های «بصری» ، روی ساختن سیستم متمرکز شده اند ، جایی که مصرف کنندگان می توانند با توجه به ظاهر محصول ، مانند لباس (مد لباس) یا آثار هنری ، تغییر کنند.

مطابق مقاله جدید ، "ایجاد سیستم های پیشنهادی مؤثر برای دامنه هایی مانند مد به دلیل سطح بالای ذهنیت و پیچیدگی معنایی ویژگی های درگیر چالش برانگیز است." محققان در ادامه خاطرنشان كردند كه توصيه بصري با دريافت سيگنال هاي ديداري بطور مستقيم در هدف توصيف ، با استفاده از بازنمايي هاي ويژه خارج از قفسه برگرفته از شبكه هاي عميق ، مي تواند دقيق تر شود.

این تیم نشان داد كه با یادگیری بازنمایی تصویر 'مد آگاهانه' به طور مستقیم و با آموزش بازنمایی تصویر (از سطح پیکسل) و سیستم پیشنهادی به طور مشترک می توان عملکرد توصیف را بهبود بخشید. این مقاله با استفاده از شبکه های عصبی تحریک کننده سیامی (Siamese-CNNs) ، به اصطلاح به دلیل کار آنها در کلاسهای معماری شبکه عصبی است که شامل دو یا چند زیرشاخه یکسان است. (سیامی CNNs به طور گسترده ای برای یافتن شباهت یا روابط بین دو مورد قابل مقایسه استفاده می شود.)

برای پروژه مد ، محققان سیامزی CNN را آموزش دادند تا ترجیحات کاربر را برای موارد خاص یاد بگیرند و طبقه بندی کنند.

از آنجا ، آنها از یك چارچوب شبكه عصبی به نام Generative Adversarial Network (GAN) برای یادگیری توزیع تصاویر مد و تولید آیتم های جدید مد استفاده كردند كه بیشترین ترجیحات کاربران را به دست آورد. GAN ها دو شبکه را در یک مجموعه از داده ها آموزش می دهند ، و برای تولید تصاویر واقع گرایانه به ویژه مناسب هستند. سیستم حاصل می تواند مواردی را برای خرید از طرح های موجود پیشنهاد دهد ، اما می تواند برای اصلاح موارد موجود یا تولید طرح های جدید متناسب با تنظیمات شخصی خاص (بر اساس 'داده های بزرگ' در مورد خریدهای قبلی ، نظرسنجی ها و غیره) نیز مورد استفاده قرار گیرد. .

استفاده از هوش مصنوعی در صنعت مد هنوز در مراحل ابتدایی است ، اما دو بزرگترین خرده فروش آنلاین جهان - آمازون و Alibaba چین - در حال حاضر با ابزارهای هوش مصنوعی از جمله GAN کار می کنند. در مورد پروژه تحقیقاتی UC San Diego-Adobe ، کیفیت لباس های جدید طراحی شده با الگوریتمی در بهترین حالت همچنان رعایت می شود. همانطور که مک آولی از CSE به نویسنده ای از MIT Technology Review گفت ، "اگر می خواهید آن سبک را بخوانید یا نه ، باید برگهای چای را کمی بخوانید." وی هشدار داد ، ایجاد شبکه عصبی به دنیای مد در مراحل ابتدایی است.