混跡時尚圈的街拍網紅和ins上的時尚達人在近幾年似乎成了時尚界的風向標，我們往往可以從他們po出的照片中知道這一季的流行色和單品，並以此來定義時尚。我們不禁要問，普羅大眾能不能有屬於自己的審美和時尚潮流呢？AI踏足時尚圈，給這個問題帶來了肯定的回答。

讓AI定義一次流行色

2017秋冬紐約時裝週上出現了業界首個“AI+時尚”大秀——先鋒設計師張弛以《AI+時尚：中國95後流行色報告》的資料為設計靈感創造了大量時裝作品，登陸紐約時裝週，打造了一場名為“The Present&The Future”的時裝大秀。

這份報告由騰訊優圖釋出，報告基於QQ空間千億公開圖片，分析得出95後中國年輕人最青睞的顏色——95度黑（RGB 值為 22/20/24）。除此之外，報告還指出，95後最常穿的服裝顏色還包括：RGB值為237/236/237的白色和RGB值為51/46/51的灰色，這場時裝秀正是以黑白灰為主色調。

▲來源：《AI+時尚：中國95後流行》

騰訊優圖

首先運用深度學習網路訓練出一個能夠分辨人物年齡的系統，透過對照片中人臉的人臉檢測、五官定位、人臉歸一化（在人臉識別檢測技術中，人臉歸一化是很重要的一環。由於獲得的人臉影象常常形狀各異，對人臉形狀進行歸一化處理是將人臉儘量調整成對稱狀態，幫助系統更迅速地做出判斷）後確定照片中人物的年齡。

之後結合人工智慧演算法，

經過一系列人體檢測、衣物分割等操作後，將人體和衣服從背景中剝離出來，再透過對衣物顏色的分析、結合之前的年齡分析來確定不同年齡段偏好的衣物顏色。

該報告將年齡資料統計的誤差控制在正負3歲，保證報告能相對準確地展現中國年輕人的穿衣喜好。

谷歌

也關注到了這場時尚領域即將掀起的革命。去年3月，谷歌宣佈和與德國電商Zalando進行合作，正在打造一款人工智慧時裝設計產品Project Muze，該產品所基於的TensorFlow系統，訓練資料庫包括設計顏色、款式和六百多種時尚潮流要素以及谷歌流行趨勢報告，能夠根據不同的使用者需求設計出適合每個使用者的服飾。

使用者首先輸入性別、心情、興趣愛好、喜歡的藝術類型等資訊，再往模特兒身上畫簡單的圖案，Project Muze就能實時就勾勒出一套時裝造型。

亞馬遜

似乎也不甘落後，在同年8月宣佈公司的研究開發中心Amazon Lab126正在開發相關機器學習系統，輸入各大社交網路上的流行單品資料，並使用了一種稱為生成式對抗網路（Generative Adversarial Network，簡稱GAN）的工具，將兩個神經網路相互對立，利用兩個系統相互修正誤差產生的結果來改進整個系統，使得該系統能快速捕捉時尚趨勢，幫助亞馬遜批次生產時尚服飾。

當AI化身你的專屬服裝搭配師

你是否有過這樣的時刻——每天早晨，面對一櫃子衣服不知道穿什麼？選擇恐懼症犯了的時候，不如來問問神奇的AI吧。

國外有家穿搭電商平臺Thread就採用了“機器演算法+造型師顧問”的服務方式來解決人們不知道怎麼穿的問題。使用者首先需要完成一份問卷，內容包括顏色喜好、職業、經常出席的場合及相關個人基本資訊，平臺就會根據資訊為使用者挑選搭配合適的服裝。來自賓夕法尼亞大學，聖地亞哥大學以及奧多比公司的眾研發人員也進行了相關研究，運用卷積神經網路分析使用者在亞馬遜上購買商品的資料，利用資料在電腦上生成符合使用者喜好的服裝，以此為使用者推薦相關服飾。

Facebook和美國梅西百貨公司（Macy’s）的六位女性也開發了一款專門為女性提供穿搭意見的APP，透過其積累的5000多萬個資料點針對不同女性的需求推薦相關服飾搭配。APP的這一功能有點類似微軟小冰，

透過互動式問答來獲取使用者需求，它甚至還會詢問使用者希望隱藏身體的那部分弱點或突出哪部分優點，並以此為使用者推薦最合適的衣服，這個功能還會隨著和更多使用者的交流不斷學習提升。

時尚這樣一個快速發展的行業， 消費者是主要的驅動力，而且口味變幻無常，因此如何根據消費者的不同消費習慣量身定製商品或消費方案是每個品牌亟須思考的問題。《The Master Algorithm》的作者Domingos就建議道：

“每個服裝設計品牌都應該擁有自己的人工智慧實驗室或進行相關的投資合作，才能在時尚行業站穩腳跟。

綜上來看，人工智慧涉足時尚圈，已經不再是淺嘗輒止的階段了，未來說不定我們還能期待AI設計師的登場呢。突然想到，如果是在寒冷冬天裡請人工智慧幫我做穿搭建議，AI會不會讓我穿秋褲呢？