目前,时尚行业中人工智能(AI)技术的应用范围仍主要集中在简化流程与提高销售转化率层面。在传统意义上,时尚企业决策者们仍然习惯于通过自动化提升效率、通过图像识别检测产品缺陷与假冒商品,以及通过个性化推荐提高销售转化率等。很明显,AI技术中的创造性潜力尚未得到充分开发,而疫情流行带来的冲击有望给时尚行业全面推行数字化设计与展示方法带来重大机遇。为什么说AI的创造力并未得到充分利用,设计师与各大品牌在这方面又有什么样的发展空间?更进一步,AI技术是否必然会被引入服装设计与展示用例当中?

伦敦时装学院时尚创新机构负责人Matthew Drinkwater认为,“人工智能最初的应用侧重于可量化的业务需求,因此初创企业可以从这个角度为大品牌提供服务。但由于创造力很难量化,所以这方面应用的普及时间往往更晚一些。”

从实际角度出发,时装设计师与计算机科学家之间的鸿沟又是另一个重大限制。伦敦时装学院也意识到了这一点,并于最近开始为20名时装系学生志愿者开设了为期8周的AI课程。他们在这里学习如何通过Python编程收集时装数据,而后借此开发出创造性的时装解决方案与体验。当被问及AI技术在时尚领域的应用潜力时,Drinkwater指出,“对我来说,这里强调的是算法的不可预测性。”他承认设计师本身已经极富创造力,但神经网络的创意同样有可能带来令人意想不到的效果。AI技术的介入,甚至有可能挑战我们对于时装设计或者成果展示的基本认知。

这一AI课程是由时尚创新机构(FIA)与麻省理工学院媒体实验室的Pinar Yanardag博士合作开发的。国际汽联的3D设计师Costas Kazantzis负责课程内容编写,并为课程提供一套用于AI驱动型时装秀的3D场景。他在一次Zoom采访中解释称,学生们“以往从未接触过编码”,但对于图案剪裁(成衣结构)与时装策展倒是拥有丰富的知识。在他看来,虽然课程中涉及的仅仅只是入门级的Python技能,但这“有助于让他们了解AI的技术特性,并借此将两个领域结合起来。”

课程中使用的AI模型为生成对抗网络(GAN),这是一种机器学习类型,强调同时训练两套相互对抗的模型:其一为生成器(设计器),用于学习如何创建出看似真实的图像;其二为鉴别器(评论器),负责准确分辨图像的真伪。在训练过程中,生成器将不断创建出愈发逼真的图像,而鉴别器则努力从中找出伪造品。以创造性方式应用这套方案之后,计算机生成的图像与移动轨迹开始变得越来越自然(特别是在美学层面具有愉悦感)。

学生们组成团队,通过概念验证设计展示了AI技术在时尚领域的胜任,并了解如何收集适当数据以训练自己的算法。此次课程涵盖一系列AI应用方法,包括训练AI模型以对服务项目进行分类,通过社交媒体预测时尚趋势,以及据此完成样式转换并探索新的设计方向等。此项课程的核心,在于组织一场虚拟时装秀——总体素材来自以往真实走秀片段,但背景换成了新的3D环境,模特们穿着的也将是3D服装。Drinkwater认为,“即使是不太熟悉时尚行业的年轻人,也可以通过这种协作突破自己的能力极限。”

在讨论虚拟时装秀的工作流程时,Kazantzis解释道,计算机视觉算法能够从原有时装表演视频中估算骨骼运动数据,而后使用另一种算法将这些数据转换为3D姿态模拟,并将其应用于Blender中的3D倾向,从而在原始视频中复制模型的运动。

使用CLO软件为化身模特设计服装、为其设置动画,并使用样式迁移(通过卷积神经网络,简称CNN,识别出图案、纹理及颜色等,而后将设计结果放置在服装之上)开发出新的纺织方式与服装表面。此次虚拟时装秀的3D环境使用Unity游戏引擎构建而成,Kazantzis也高度赞赏了Unity提供的虚拟设计与灵活输出(包括VR与AR应用程序)选项。他使用粒子系统创建包括雾在内的天气效果,甚至在水下环境中创建了水母等多种海洋生物。在导入动画服装与纹理之后,Unity即可将全部素材整合起来,创造出终极体验并导出为VR场景。设计成果可以用于360度导航网站,或者在Sketchfab中提供AR体验。总体而言,AI技术在开发创意产品、环境设计并生成身临其境般的内容方面,拥有极为强大的能力。

Katzantzis还与伦敦时装学院2019年图案与服装技术课程毕业生Greta Gandossi(同时拥有建筑学学位)以及Tracy Bergstrom(拥有数据科学背景)携手合作。三人构成一条管道,从归档素材中提取姿态,创建3D服装并将成果导入Unity。Mary Thrift、Tirosh Yellin与Ashwini Deshpande等在校学生也一同参与了虚拟时装秀的设计工作。

本轮AI课程于今年3月开始,作为概念验证的虚拟时装秀则于6月完成。这样的速度无疑令人难以置信,也不禁让人好奇这种内容创作方式是否适用于不同规模的厂牌与时尚企业。Matthew Drinkwater给出的答案是“当然可以,而且此类项目能够严格根据预算水平进行设计。我们使用的GPU越多,得出的结果就越是令人印象深刻。”另外,他也意识到这方面工作需要多种多样的技能组合,而这一切也会给项目周期带来影响。但无论如何,他坚信“在接下来的一段时间内,必然会出现更多时尚与AI联手的用例。”

这场概念验证时装秀将作为本届伦敦时装周第五天的发布内容。在本届时装周上,大多数品牌选择在线直播自己的时装表演,或是在指定的“发布时间”在线开放概念或时装表演视频。Launchmetrics的统计数据表明,这类数字展示方法产生的参与度还远远低于实体时装表演。AI生成的虚拟时尚体验能否重塑时装秀的未来?与从业企业们的呼叫类似,Drinkwater表示“很明显,时装周需要不断发展以提供更加多样化且可访问的体验。必须承认的一点在于,我们的实体与数字生活的边界正变得越来越模糊,未来的时装秀必然与过去的传统展示活动大不相同。”

以创意方式运用AI技术的几种重要方式,包括使用计算机创作艺术品。其中一幅作品于2018年在佳士得拍卖行以432500美元的价格售出(比预估价高出45倍)。这幅《Edmond Belamy肖像画》由自学成才的AI艺术家Robbie Barrat使用GAN模型与巴黎艺术团体Obvious合作创作。Barrat还参与了巴黎世家组织的AI时装秀,并为时尚品牌Acne Studios训练了神经网络以协助设计其AW20男士系列产品。在消费者与市场营销方面,深度伪造(deep fake)技术让消费者们也能亲身融入到自己梦寐以求的品牌形象当中。此外,RefaceAI应用则能够将用户的面部替换进品牌视频,并在近期与Gucci进行测试合作期间每天进行超过百万次“换脸”与40万次转发。

在实验方面,为了通过废弃物的循环利用以解决可持续问题,时装设计专业研究生Mathilde Rougier正使用卷积神经网络(CNN)设计类似于乐高积木的连环扣锁型下垂面料,借此推出新的时尚产品。她的努力,标志着时装设计、人工智能与可持续发展问题之间的融合正迈向新的高度。

时尚领域的创意AI尚处于起步阶段,但发展势头正在明显增强。随着时尚教育与时尚行业中3D数字设计思维的迅速推广,再结合疫情冲击下实体展示能力的严重受限,AI技术有望得到广泛运用并激发行业的整体创造力。如果一群没有任何编码经验的学生都能够在几个月以及有限的预算之下拿出这样的成果,相信专业时尚行业会带给我们更大的惊喜。