將深度學(xué)習(xí)模型與計(jì)算機(jī)視覺相結(jié)合，Revery.ai正在改善零售商和消費(fèi)者的在線更衣室體驗(yàn)。這項(xiàng)技術(shù)創(chuàng)建了一個(gè)工具，利用現(xiàn)有的商店目錄圖像來構(gòu)建一個(gè)可伸縮的虛擬更衣室，使購物者能夠在不出門的情況下嘗試商店的全部庫存。

“創(chuàng)造夢幻的靈感其實(shí)是為了解決每個(gè)人在網(wǎng)上購物時(shí)都會遇到的一個(gè)問題——這套衣服在人身上看起來如何？“虛擬更衣室的想法并不是新的，從電影 Clueless 到失敗的 Boo.com – 自從有了網(wǎng)上購物人們就一直想嘗試虛擬更衣室?！币晾Z伊大學(xué)時(shí)尚 AI 和計(jì)算機(jī)視覺博士候選人 Jeffrey Zhang 說。

戴維 – 福賽思在伊利諾斯州大學(xué)的計(jì)算機(jī)科學(xué)教授的建議。 AI 合作者還包括兩位在時(shí)尚 AI 和計(jì)算機(jī)視覺領(lǐng)域的博士生候選人，柯丹麗和閔金崇。 NVIDIA Inception AI 、數(shù)據(jù)科學(xué)和 HPC 初創(chuàng)公司加速平臺。

張說，對于大多數(shù)零售巨頭來說，Revery 克服了最大的虛擬更衣室障礙 – 可擴(kuò)展性。這項(xiàng)技術(shù)提供了一個(gè)綜合工具，每周能夠處理超過一百萬個(gè)服裝圖像。

Revery 通過采用cuDNN – 加速深度學(xué)習(xí)框架 PyTorch 和 NVIDIA 的新開發(fā)的 AI 算法實(shí)現(xiàn)了這一點(diǎn) RTX 3090和 RTX A6000 GPU 來訓(xùn)練和處理模型。隨著該框架從數(shù)百萬圖像中學(xué)習(xí)，該系統(tǒng)能夠捕捉和處理細(xì)微差別，例如服裝元素的下落、紋理、徽標(biāo)，甚至著色，從而提供真實(shí)的在線版本服裝元素。

“我們有幸獲得了最新一代 GPU 的一些產(chǎn)品，與前幾代相比，這些產(chǎn)品大大加快了我們的訓(xùn)練速度。此外，增加的內(nèi)存大小使我們能夠生成高達(dá) 1.5k 的圖像分辨率，”張說。

這項(xiàng)技術(shù)不僅節(jié)省時(shí)間。它還可以減少整合完整庫存所需的數(shù)百萬美元，同時(shí)為零售商提供快速更新庫存的能力。

隨著 2020 年消費(fèi)者向美國商家消費(fèi)8611 。 2 億美元，在線購物一直在增長。到年底，美國服裝電子商務(wù)預(yù)計(jì)將達(dá)到 1000 億美元左右，該團(tuán)隊(duì)正尋求與更多在線零售商合作。

他們還專注于為客戶創(chuàng)造更具包容性和多樣性的產(chǎn)品，而這正是時(shí)尚行業(yè)通常缺乏的。該組織正致力于增加個(gè)性化，提供不同的體型，并為包包和鞋子添加混搭選項(xiàng)。目前的產(chǎn)品讓購物者能夠定制性別、膚色、頭發(fā)，甚至改變模特的姿勢。

“我們的長期目標(biāo)是數(shù)字化任何商店的每一個(gè)服裝 ，并與購物者的衣柜集成，創(chuàng)造一種沉浸式的在線購物體驗(yàn)，”張說。

關(guān)于作者

Michelle Horton 是 NVIDIA 的高級開發(fā)人員通信經(jīng)理，擁有通信經(jīng)理和科學(xué)作家的背景。她在 NVIDIA 為開發(fā)者博客撰文，重點(diǎn)介紹了開發(fā)者使用 NVIDIA 技術(shù)的多種方式。

審核編輯：郭婷