科技产业报订阅
ttc
 

时尚元素靠大数据掌握? 香港理工大学教授:AI需深度结合时装专业

香港理工大学纺织及制衣学系副教授黄伟强受邀至台湾分享时尚产业如何结合AI。廖家宜摄

时尚产业结合AI创新科技的市场潜力大,但要让讲求科学的人工智能(AI)认知具有主观意识的时尚,就必须将主观审美中的知识和经验规则转化为机器能力的AI。香港理工大学纺织及制衣学系副教授黄伟强4日受邀至台湾参加港台经贸合作论坛时表示,当前AI多集中在算法与图象研究,相对仍是缺乏针对服饰特定专业领域的数据研究,AI数据同时结合服饰专业及机器学习的要求,就必须深入理解时装,因此香港理工大学也为此和阿里巴巴开发出全球首个结合服装专业知识的数据库「FashionAI数据集」。

由于时尚概念较为抽象,比起透过文字叙述,透过图象搜索更能接近原始意涵。黄伟强以服饰图象搜索举例,现今网络平台的图象搜索技术是利用整张图象去查找相同或类似的图象,但对于消费者来说,可能只对图象上某一设计元素感兴趣,只想查找具备该设计元素的图象,但现今图象搜索技术未能满足此需求,也因此限制了个性化购物体验的发展。黄伟强认为,这是因为当前市场欠缺基于服饰专业知识又能达到机器学习要求的服饰图象数据集,也就是说,计算机未被训练去理解并准确辨认每张服饰图象的服饰特征。

为加强AI在时尚领域的应用,黄伟强带领香港理工大学的团队阿里巴巴合作共同研发「FashionAI数据集」,将服饰图象的属性分成不同结构,例如「服饰的关键点位」和「服饰属性卷标识别」进行分析。

黄伟强解释,象是颈线、袖口、腰线、裙摆等就是服饰的关键点位。计算机分析服饰图象可能受到如服饰的尺寸型态、拍摄距离与角度,或是摆放方式的影像而有误差,而借助服饰关键点位可以降低计算机在判断服饰图象上的误差。而服饰属性卷标则包括象是袖长、领子设计、裙型等构成服饰的基本元素,这些元素决定了服饰的类别和风格,但由于服饰属性卷标的种类繁多而复杂,必须透过专业的系统分类才能让计算机自动理解服饰图象。

黄伟强表示,虽然当前AI已大行其道,但在时尚纺织产业应用却仍处于起步阶段,事实上时尚产业对于AI兴致高昂,但由于不了解AI、总是将AI视为万能而忽略从现实面考量可行性,而对于AI领域的人来说,同样也不熟悉时尚产业,因此如何把双方连结在同一个水平是现阶段时尚与AI产业各自努力的方向,并找到可实际的应用点将服务商品化。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 阿里巴巴 智能零售 纺织业 人工智能