時尚產業生成式AI的5個使用案例與案例研究

不同行業的89%的公司都在向數字技術轉換，時尚行業也不例外。麥肯錫報告稱，2021年，時尚品牌和公司在新興技術方面的投資約佔其收入的1.7%。此外，他們估計到2030年，這一數字將上升到3.0%到3.5%之間。

區塊鏈技術、不可偽造的代幣（NFTs）和人工智慧技術是在時尚行業實施的數字技術。另一方面，生成式人工智慧相對較新；但它開始影響時尚行業的許多元素。

這篇文章解釋了生成式人工智慧對時尚行業的重要性，它的五大使用案例和案例研究。

什麼是生成式人工智慧？

生成式人工智慧是指一類機器學習演算法，旨在根據一組輸入資料生成新的、原始的內容。

生成式人工智慧被用於各種任務，包括生成文字、影象、音樂、程式碼，甚至整個網站。人工智慧驅動的生成式對抗網路（GANs）是生成式人工智慧的一種型別，可以執行曾經被認為是人類特有的創造性任務。這些強大的機器學習模型可以建立逼真的影象、視訊和語音輸出。

為什麼生成式人工智慧對時尚行業很重要？

生成式人工智慧對時尚行業很重要，因為它帶來了許多好處。它可以提高客戶滿意度，並允許線上零售商通過以下方式更快和更有成本效益地將生成式產品推向市場：

• 使時尚設計多樣化和個性化
• 通過生成的模型增加對所有體型的表現
• 在網上購物中創造自動化的數字體驗

在時尚零售業中，美學和消費者的愉悅感都是產品設計的重要因素，而速度和新穎性又是至關重要的，GANs提供了一種高效的方式，以低成本生成新的產品設計。請看下面的視訊，看看GANs的生成能力的使用。

用於影象和設計生成的生成式AI工具

在解釋生成式人工智慧在時尚行業的具體使用案例之前，最好先了解它是如何生成創意影象和其他構成設計的內容的。

通過利用生成式演算法，人工智慧可以創造出獨特而有趣的影象，將計算機生成的造型與人類驅動的創造力相融合。生成式人工智慧以這種方式創造的藝術品為創造視覺藝術提供了一種全新的方法。它可以挖掘生成元素，生成同一影象的無限變化。

圖1. cycleGAN演算法能夠生成不同藝術家和藝術流派風格的設計，如莫奈、梵高、塞尚和浮世繪。(Source: ICCV 2017.)

有了生成式人工智慧，藝術家的創造力不再受到成本或資源等限制。相反，它允許各種專業人員，如圖形和時裝設計師，在點選按鈕的情況下製作真正創新或融合的藝術作品。在上面的圖1中，你可以看到它是如何從相同的輸入中產生創造性、風格化和獨特的輸出。由於時尚行業依賴於這三個元素（創意、風格、獨特性），生成式人工智慧與它的目的完美契合。

大多數人工智慧生成的影象幾乎不可能與真實影象區分開來。當一項研究的參與者不知道已經使用了生成式人工智慧技術時，他們往往會認為由GANs生成的影象比原始影象更新穎。

另一個著名的生成式人工智慧工具DALL-E，有能力創造出各種各樣的影象，包括：

• 逼真的影象
• 抽象圖案
• 風格化的插圖。

它已被證明能夠生成高度創造性和新穎的影象，超越了它明確的訓練內容。一些來自其現實和藝術世代的例子：

圖2. 輸入 “一個蘋果” 將得到一系列逼真的蘋果影象。(來源：Medium)

圖3. 新增修飾符 “by Magritte” 極大地改變了整個提示的特徵。 (來源：Medium)

在這裡，你可以再次看到生成式人工智慧是如何從一個基本的物體中創造出令人驚訝的、有風格的設計。

生成式人工智慧在時尚界的5個使用案例與例項

1. 時尚設計師的創意設計

生成式人工智慧具有生成新影象和內容的巨大能力，可以在創意設計過程中協助時裝設計師開發新的想法，或幫助完善和優化現有的設計，使之符合最新的趨勢。這可以通過各種技術來實現，包括：

• 生成式設計：生成式人工智慧可以根據指定的限制和引數，如所需的美學、材料和目標市場，創造全新的時尚設計。
• 風格轉移：生成式人工智慧可用於將一種設計的風格應用於另一種設計，使設計師能夠在現有設計的基礎上創造變化，或將不同來源的元素結合起來。

此外，你不需要成為創造新設計的專屬時裝設計師。一位專門研究生成藝術的ML工程師Fathy Rashad通過使用StyleGan和GANSpace創造了他自己的生成式布藝設計師ClothingGAN（見下圖）。

圖4. ClothingGAN生成的產品(來源：Towards Data Science)

2. 將草圖變成彩色影象

生成式人工智慧使時尚行業受益匪淺，因為它還可以將草圖轉化為全綵色的影象。生成式人工智慧使設計師和藝術家能夠以最小的努力實時體驗他們的願景（見圖4）。有了這項技術，他們可以節省寶貴的時間和資源，同時能夠毫無困難地進行實驗。

圖5. 通過pix2pix將黑白草圖變成照片般的彩色影象。(來源：Artificial Intelligence for Fashion)

此外，生成式人工智慧可以幫助限制人類的錯誤，如顏色匹配和圖案的錯誤。它還可以使時尚品牌變得更有創造力，利用分析眾多草圖到顏色組合的能力，併產生多種變化以供審查。

例如，Khroma是一個工具，它允許訓練有素的演算法建立真正的和個性化的調色盤。同樣，Colormind能夠根據電影、照片、藝術作品等的首選樣本來準備創造性的調色盤。

通過實施這樣的工具，生成式人工智慧還可以幫助減少對物理樣本的需求，節省時間和資源。

3. 生成具有代表性的時尚模型

使用生成式人工智慧來建立多樣化的時尚模型，可以幫助時尚公司更好地服務於廣大客戶，並以更真實和準確的方式展示他們的產品。劍橋大學的一項研究表明，當多芬的廣告活動以不同膚色和體型的女性為主角時，兩個月內銷售額增加了600%。

為此，它可以通過幾種方式來創造多樣化的時尚模特：

• 虛擬試穿：生成式人工智慧可以建立時尚產品的虛擬代表，可以疊加到人的影象上，讓客戶可以虛擬 “試穿” 衣服。這些虛擬模型可以被定製，以代表廣泛的體型、顏色和尺寸，讓客戶看到衣服在他們身上的具體表現。
• 3D渲染：生成式人工智慧可以建立時尚產品的3D模型，可以旋轉和從不同角度觀看。這些模型可以定製，以代表廣泛的體型、顏色和尺寸，讓設計師看到衣服在不同體型上的效果。

日本科技公司DataGrid使用GANS技術建立了可以改變身體的模型。你可以觀看該公司釋出的視訊，展示眾多的生成模型：

Lalaland是另一家科技創業公司，在生成式人工智慧的驅動下製作超現實的虛擬時裝模型，供電子商務平臺使用。它的工作方式是建立模特頭像，上傳服裝影象，對產品進行造型，然後下載輸出影象。

4. 時尚品牌的營銷和趨勢分析

人工智慧驅動的生成模型使公司能夠加快和改善其趨勢預測和營銷分析能力。因此，公司在領先於趨勢的同時，更有效地滿足客戶的未來需求。

它可以通過以下方式幫助趨勢分析：

• 彙集各種技術，如機器學習和概率程式設計。這些技術可以建立強大的生成模型，考慮到時尚業務中客戶的慾望。
• 為特定的消費者慾望生成深度個性化的選項，超越了傳統分析和客戶需求演算法所能做到的。

它還通過以下方式提高營銷能力：

• 利用資料分析、自然語言處理和機器學習，為目標受眾建立高度定製和個性化的產品系列
• 根據特定人的興趣和喜好設計電子郵件、網站頁面、標題和廣告，以吸引他們的注意力
• 謀劃有創意的、真實的營銷和廣告內容，有可能衝進搜尋結果中去

5. 保護消費者的資料隱私

時尚行業可以利用生成式人工智慧來改善消費者的資料隱私。生成式人工智慧演算法允許時尚公司產生新的設計，同時保持客戶資料的隱私。通過生成式人工智慧產生的合成資料集，公司能夠創造獨特的模式和自動資料分析，同時保護客戶的詳細資訊，例如：

• 聯絡資訊
• 銀行資訊
• 購買歷史
• 偏好
• 以及更多來自第三方的資訊。

它保障了個人的財務安全，並在不侵犯人們隱私的情況下為組織提供了對其目標市場的寶貴見解。這樣一來，生成式人工智慧為時尚品牌提供了一種以安全方式革新其商業戰略的方法。

生成式人工智慧對時尚行業的挑戰

生成式人工智慧對時尚行業等創意部門的最大挑戰可能是圍繞人工智慧生成的作品的版權問題的模糊性。在時尚界使用生成式人工智慧會導致一些問題，例如：

• 對生成的設計或其他時尚材料的獨特性、原創性或版權資格提出異議
• 時裝設計師或人工智慧的程式設計師是否應該擁有所生成作品的所有權問題
• 濫用這些工具進行不道德的營銷策略
• 削弱時尚行業中人的創造力並導致失業的風險

進一步閱讀

如果你對生成式人工智慧的創作、應用和工具感興趣，你還應該檢視這些文章：

• AI文字生成：12大使用案例和2個案例研究
• 生成式人工智慧：11大應用
• 按類別劃分的前35個生成式人工智慧工具（文字、影象……）
• 生成式人工智慧在醫療保健中的應用： 效益、挑戰、潛力
• 生成式人工智慧在銀行業的四大應用案例

1. “State of Fashion Technology Report 2022.” McKinsey, 2 May 2022, https://www.mckinsey.com/industries/retail/our-insights/state-of-fashion-technology-report-2022. Accessed 25 December 2022.
2. “Unpaired image-to-image translation using cycle-consistent adversarial networks.” ICCV 2017, Zhu, J.Y., Park, T., Isola, P., Efros, A.A.
3. “Artificial intelligence in the fashion industry | by Research Features.” Medium, https://medium.com/@ResearchFeatures/artificial-intelligence-in-the-fashion-industry-2df9e0e42a54. Accessed 25 December 2022.
4. “How to Build an AI Fashion Designer | by Fathy Rashad.” Towards Data Science, https://towardsdatascience.com/how-to-build-an-ai-fashion-designer-575b5e67915e. Accessed 25 December 2022.
5. “Generative Models as Fashion Designers.” Artificial Intelligence for Fashion, 125–139. Luce, L. (2018). doi:10.1007/978-1-4842-3931-5_8 .
6. https://www.theinterline.com/01/2022/generative-deep-learning-in-fashion-the-pinnacles-perils-and-why-well-be-synthesising-supermodels/