IT思维

公众号/将门创投

From: Venture Beat; 编译：Iris

近日，Amazon提出了可以远程帮助顾客试衣的算法，还支持顾客描述商品特色来查询目标，出色的自动推荐系统也极大提升了虚拟购物体验。他们还专门创建了一个app “Style by Alexa”，允许顾客自定义模特穿搭，以判断这套衣服是否适合他们。

购物助手Alexa依托机器学习算法主动给顾客提供穿搭建议，还能根据好评系统，为商品评级，让顾客更快速地锁定他们想要的商品。可以说，Amazon已经构建了一座虚拟购物帝国。

Outfit-VITON：高级版虚拟试穿网络

Amazon126号实验室团队开发了一种名为Outfit-VITON的虚拟试穿系统，旨在可视化显示服装穿在顾客身上的样子。它由以下两个部分组成：其一是形状生成模型驱动系统运作，输入的查询图像将用于可视化图像的参考模板；最终产出的参考图像，则被用于描述衣服的款式和风格等具体信息。

在预处理过程中，AI助手对输入的商品图像和人体模型进行图形分割，多角度展示人体的姿态和形状。外观生成模型则负责编码商品的纹理和颜色等信息，生成一个与参考图像数据相吻合的穿着目标衣服的人体模型照片。

Outfit-VITON还对外观生成模型的变量进行了微调，以在不影响图像轮廓的情况下在最大程度上保留商品的外观。它能够生成一个几何分割图，选择性改变参考服装的形状，以符合目标人体模型的体态。该算法使用在线优化方案对合成图像迭代，从而精确而自然地还原纹理、标识和刺绣等精细的服装特征。

形状生成模型的运作成果展示

对于语言描述系统，语言和视觉表征的每一次融合都是通过单独的双组件模型来完成的。其中一种组件专门识别源图像和目标图像相匹配的视觉特征，而另一种组建则负责识别语言文本与图像匹配度之间的细微变化。经过测试，研究人员表示，这个系统的匹配正确率比性能最好的语言和图像匹配算法还要高出58%之多。

语言描述系统的运行案例

图像搜索系统负责处理带有文本反馈的图像搜索任务，顾客可以通过选择参考图像并提供附加信息文本来改进检索结果，从而与系统实现人机交互。研究人员解释道：“与之前的研究主要关注一种文本反馈的课题不同，我们考虑的是更多样的文本反馈形式，系统可以分析商品属性描述，也可以分析自然语言表达文本。”

进化版的自动商品推荐系统

Amazon的大容量时装数据检索技术，要求系统预测一套服装与其他服装和配饰的兼容性。它将任意规模的服装图像与向量数字表示合并在一起作为输入源，向量表示每个图像的类别，以及顾客想要的商品的类别，在推荐系统中run一遍，整理出互补商品列表，让顾客自由地选择系统推荐的衬衫和夹克之类的商品来搭配裤子、帽子和鞋子等。

自动推荐系统成果示意图

顾客们经常会去买那些与他们之前所选商品风格比较搭配的衣服。这个系统恰好能够在推荐匹配的衣服，大大改善他们的购物体验。在匹配预测和数据检索方面，它的性能甚至超过了最先进的数据检测和推荐技术。