下载掌阅APP，畅读海量书库
立即打开
对于一些想追求时尚又支付不起高昂的形象设计师费用的人来说，穿衣搭配是一件很让人头疼的事。这时可以选择人工智能来帮忙。
用于穿衣搭配的人工智能产品用数据和算法理解时尚，可帮助人们进行分析、搭配与选购。同时，还可以通过收集用户信息和偏好，了解用户的气质和喜好，从而成为用户的“私人穿搭顾问”。对于热爱时尚的人来说，人工智能可以帮助他们更好地跟上潮流趋势，足不出户也能选购到适合的时尚单品，搭配出对应场合的穿搭。
本章，我们将认识帮助人们日常搭配和选购衣物的人工智能产品，了解这些神奇的人工智能产品背后的原理。
一天早上，小智边吃早餐边等姐姐穿戴好一起去学校，但是他发现姐姐又陷入了“选择困难”的境地。“我今天穿衬衫是搭配裙子还是裤子呢？”姐姐就这样对着衣柜比划了很久，小智只好自己先出发了。为了帮助姐姐更快更好地搭配，小智的爸爸送了姐姐一个智能穿衣搭配助手“小衣”。
又一天早上，小智惊讶地发现姐姐迅速搞定了“搭什么衣服”这个困扰姐姐多年的难题。姐姐开心地拿出“小衣”给小智演示：“小衣，我的白衬衣应该搭什么呢？”很快“小衣”把几套搭配整理出来发送到姐姐的手机上供她选择。
姐姐用智能试衣App
小智感到很有趣，很想知道这个搭配小助手“小衣”是怎么实现的。于是小智在网上搜索了很多相关资料，还和班上的硬件爱好者小红一起探究这个穿衣搭配小助手。小智和小红通过研究和讨论，绘制了一张“小衣”的工作原理图。为了实现“小衣”的功能，其内部可以分为：语音识别模块、蓝牙通信模块、搭配智能体核心、Wi-Fi模块、个人电子衣橱，如下图所示。
“小衣”工作原理图
语音识别模块用于识别外界的语音信号。“小衣”在开机状态下会通过硬件中的麦克风持续检测外界的声音信号，当检测到自己名字“小衣”时，便会被唤醒。被唤醒的“小衣”通过语音识别技术（有关“语音识别技术”的知识请参考本书第六章）把姐姐说的话从声音信号转换成文字，然后再通过自然语言处理（有关“自然语言处理”的知识请参考本书第七章）把转换出来的文字翻译成“小衣”可以执行的任务，比如“寻找衣橱中与白衬衫最好的搭配”或者“包包a和包包b哪一个与当前搭配更匹配”。
“小衣”在接收到姐姐语音下达的任务后，便开始执行搭配任务，这需要搭配智能体核心来完成。搭配智能体核心执行任务的过程可理解为通过神经网络给一套搭配打分的过程。首先，如下页图所示，搭配智能体核心需要从图片和简短的文字描述中提取每一个单品的特征信息。把单品图片输入到一个神经网络模型，得到的输出可以作为这个单品的视觉特征（即图片特征向量）。这里的神经网络模型需用于处理图像，所以通常采用能够提取图像特征的卷积神经网络（Convolutional Neural Network，CNN）模型（有关“卷积神经网络”的知识请参考本丛书第三册第八章）。与此同时，通过提取简短的描述信息中与关键词汇表（预先设置好的关键词，如“白色”“衬衫”“高腰”等出现在描述中的高频关键词汇）相匹配的关键词，并将布尔值向量的相应维度设置为1，以此提取出其文字特征。提取特征后即可使用单品的特征来代表一件单品进行搭配。一种可用的方式是把一套搭配看作一个序列，通过现在流行的、可以记忆之前信息的循环神经网络（Recurrent Neural Network，RNN）模型，计算一套搭配在某一种风格下的搭配分数。这里一般采用一种特殊的长短时记忆神经网络（Long Short-Term Memory，LSTM）的循环神经网络模型（有关“LSTM”的知识请参考本丛书第三册第八章），它可以根据搭配分数，从一个单品延伸得到整套穿搭，也能比较两个不同单品和一套穿搭的匹配值。
搭配智能体核心通过图片和描述提取特征
Wi-Fi模块使得“小衣”的搭配智能体核心能连接时尚穿搭网站来进行更新，从而让搭配出来的衣服更符合当前的流行趋势。在有的网站上，一些搭配专家会给出一整套当季流行的穿搭。搭配智能体核心可对这样的搭配中每一个单品通过上文中的方式提取特征，并对这套穿搭设置一个高分数，以更新上文中的循环神经网络。为了跟上流行趋势，“小衣”的搭配智能体核心会定期进行“学习”，保持自己一直处于时尚的前端。
个人电子衣橱是“小衣”的存储模块，用来储存姐姐拥有的所有单品的图片和文字描述信息，供搭配智能体核心使用。
蓝牙模块可实现“小衣”与姐姐手机的通信。“小衣”可通过蓝牙模块和姐姐的手机配对连接。在构造和更新个人电子衣橱时，姐姐通过手机上相应的App，上传单品的正面图片和简短描述，比如“白衬衫”“阔腿牛仔裤”等。手机会通过蓝牙模块把这些信息传递给“小衣”，轻松方便地为个人电子衣橱添加单品。同时，“小衣”通过搭配智能体核心计算得到搭配方案时，又可通过蓝牙模块把搭配方案发送到姐姐手机上的App。姐姐从App上就能直接获取搭配方案。
“小衣”给出的时尚穿搭方案
思考与实践
1.1 现在，“小衣”给出的搭配方案只考虑了时尚因素，还有什么因素能纳入到“小衣”推荐穿搭时的考虑范围呢？
小智发现最近姐姐的服装搭配特别好，小智赶紧去问姐姐原因。
姐姐打开最近常用的另一款搭配App展示给小智看。小智看见App上出现了一个和姐姐的五官、肤色、发型和身材几乎一模一样的虚拟3D模型。如下页图所示，App能根据姐姐选择的风格自动搭配，比如如果姐姐想要上班通勤风格的时候，App会推荐左边的一套，看起来温柔又不失优雅，当姐姐想要周末逛街时的穿搭时，App会推荐右边的一套，看起来休闲又舒适。整套穿搭是展示在姐姐的虚拟3D模型上，就像穿在姐姐身上一样，能直接看出穿着效果，这让姐姐能更好地进行选择。
|
|
|
|
不同风格的穿搭展示在姐姐的虚拟3D模型上 |
||
小智查阅资料发现这个App的功能需要通过三步来实现。
第一步是实现人体建模。
在这一步，首先要采集如下图所示的成千上万的人体3D模型作为人体数据库。
人体数据库（部分）
人体3D模型一般需要身高、体重、头身比例等体形参数。如果希望模型更逼真，还需要人体运动关节相对角度、皮肤纹理等参数。
通过人体数据库里的数据得到的模型与参数间关系的函数，可将参数映射到最终生成的人体3D模型上。之后只要提供相应模型参数，就能形成一个逼真的虚拟人体3D模型。这些参数可从用户的输入中提取出来，或者根据用户照片，通过计算机视觉技术获取。
第二步是实现搭配模块。
这个模块需要实现能找出合适且好看的服装搭配推荐给用户。这里的技术和搭配功能与“小衣”类似，不过选购衣服的范围从个人电子衣橱扩展到所有可以购买的时尚单品数据集上。
第三步是把搭配好的服装“穿”在建好的人体3D模型上。
要怎么把一件衣服“穿”在人体3D模型上呢？首先需要通过3D扫描数据库里可以试穿的衣服，得到服装3D模型。然后将人体3D模型和服装3D模型进行分段对齐。最后用图形渲染引擎对人体3D模型进行渲染即可。如下图所示，同样的衣服“穿”在体型不同的人身上会产生不同的效果。
相同服装穿在体型不同的人体3D模型上
思考与实践
1.2 小智想，如果去实体店买衣服时，也能通过镜子进行虚拟试衣，这样就不用麻烦地一直换来换去。这样的功能可怎么实现呢？
在人工智能的帮助下，小智姐姐减少了生活中关于穿衣搭配的很多麻烦，真是太棒了。在生活中，目前已经有很多用来解决穿衣搭配问题的人工智能应用，从亚马逊用于穿衣搭配的Echo Look，到各种品牌的虚拟试衣镜，都给人们的生活带来便利。不妨思考一下，未来人工智能还能在穿衣搭配方面给人们带来什么样的惊喜呢？