研究人员培训神经网络成为时装设计师
发布时间:2019-04-12 06:31     浏览量:

  来自加利福尼亚大学圣地亚哥分校和Adobe研究所的研究人员已经证明▯▯,人工智能和神经网络有朝一日可以创建定制服装设计▯▯,以帮助零售商和服装制造商根据他们从买家的偏好中学到的东西向消费者销售服装。

  ▯▯“我们表明我们的模型”可以生成使用,即,给定用户和产品类别,我们可以生成最符合用户个人品味的新图像(在这种情况下为服装项目),▯”第一作者和计算机说科学博士学生王成成。“这代表了构建系统的第一步▯▯,这些系统不仅仅是从产品库中:推荐现有产品,还能推荐款式并帮助设计新产品。”

  他们的研▯!究结果于11月初在ArXiv的一篇题为“视觉感知时尚推荐和设计与生成图像模型▯”的论文中发表。计算机科学与工程系教授Julian McAuley和他的二年级博士生学生康成成与Adobe Research的行业专家陈芳和赵昭文合作研究。

  “这表明一种新的推荐方法可。以用于推荐▯▯,生产和设计,▯▯”McAuley和他的同事写道▯。“这些框架可以带来更丰富的推荐形式▯,内容推荐和内容生成更紧密相关▯。”

  该项目旨在测试人工智能和机器学习的工具如何有助于时尚产业和消费者 - 特别是那些渴望在互联网上购买服装的购物者群体▯▯▯。

  虽然有许多算法和工具可以帮助在线零售商向潜在买家推荐设计▯,但加州大学圣地亚哥分校 - Adob​​e研究团队又向前迈出了一大步。他们想看看是否有可能将偏好和其他数据压缩,不仅可以提出建议,而且可能使计算机能够生产出具有优势的新服装设计▯,因为它们反映了消费者的个人偏好。

  最初,研究人员专注于设计一个系统▯▯,以创建更好的建议▯▯▯,特别是在“视觉”建议的情况下,消费者可能会受到”产品外观的影响,如时尚服装或艺术品的情况。

  根据新论文的说法▯,▯▯“为时尚等领域构建有效的推荐系统具有挑战性▯▯,因为其主观性和所涉及功能的语义复杂性很高▯▯▯。”研究人员接着指出,通过使用从深层网络衍生的现成特征表示将视觉信号直接结合到推荐目标中,可以使视觉推荐更加准确。

  该团队证明,通过直接!学习“时尚意识”图像表示▯▯▯,通过共同!训练图像表示▯”(从“像素级别)和推荐系统,可以显着提高推荐性能。该论文源自最近使用暹。罗卷积神经网络(Siamese-CNNs)的工作,因为它们是一类包含两个或更多相同子网的神经网络架构。(暹罗CNN广泛用于查找两个类似项目之间的相似性或:关系▯▯。)

  对于时尚项目,研究人员培训了Siamese-CNN▯,以学习和分类用户对某些项目的偏好。

  从那里▯▯▯,他们使用称为生成对抗网络(GAN)的神经网络框架来学习时尚图像的分布并生成最大▯。化用户偏好的新颖时尚项目▯。GAN在一组数据上训练两个网络,它们特别、适合生成逼真的图像。由此产生的系统可以建议从现有设计中购买的项目▯▯▯,但它也可以用于修改现有项目,或者根据特定个人的偏好生成新的设计(基于先前购买,调查等的“大数据”) ▯。

  人工智能在时尚界的应用仍处于起步阶段,但世界上最大的两家在线零售商 - 亚马逊和中国的阿里巴巴 - 已经在使用人工智能工具,包括GAN。至于加州大学圣地亚哥分校 - Adob​​e研究项目▯▯,算法设计的新服装的质量至多仍然不成熟▯▯▯。正如CSE的McAuley告诉麻省理工▯?学院技术评论的一位作家▯,“如果你想打电话给那种风格▯▯,你必须阅读一下茶;叶▯▯▯。”但是,他警告说▯▯▯,将神经网络带入时尚界还处于起步阶段。

      澳彩娱乐,澳彩娱乐网,澳彩娱乐平台

网站地图