Investigadores de la Universidad de California en San Diego y Adobe Research han demostrado cómo la inteligencia artificial y las redes neuronales podrían algún día crear diseños de ropa personalizados para ayudar a los minoristas y fabricantes de ropa a vender ropa a los consumidores en función de lo que aprendieron de las preferencias de un comprador.
"Demostramos que nuestro modelo puede usarse de manera generativa, es decir, dado un usuario y una categoría de producto, podemos generar nuevas imágenes en este caso, prendas de vestir que sean más consistentes con el gusto personal del usuario", dijo el primer autory el estudiante de doctorado en ciencias de la computación Wang-Cheng Kang. "Esto representa un primer paso hacia la construcción de sistemas que van más allá de recomendar elementos existentes de un corpus de productos, a sugerir estilos y ayudar a diseñar nuevos productos".
Sus hallazgos fueron publicados a principios de noviembre ArXiv en un documento titulado "Recomendación y diseño de moda visualmente conscientes con modelos de imagen generativa", Julian McAuley, profesor de Ciencias de la Computación e Ingeniería, y su estudiante de doctorado de segundo año, Wang-Cheng Kang, se unieron en la investigación con expertos de la industriaChen Fang y Zhaowen Wang de Adobe Research.
"Esto sugiere un nuevo tipo de enfoque de recomendación que puede usarse para recomendación, producción y diseño", escriben McAuley y sus colegas. "Estos marcos pueden conducir a formas más ricas de recomendación, donde la recomendación de contenido y la generación de contenido están más estrechamente vinculados"
El proyecto tenía como objetivo probar qué tan bien las herramientas de la inteligencia artificial y el aprendizaje automático pueden ayudar a la industria de la moda y a los consumidores, particularmente a aquellos entre la creciente cohorte de compradores ansiosos por comprar ropa en Internet.
Si bien hay muchos algoritmos y herramientas para ayudar a los minoristas en línea a recomendar diseños a compradores potenciales, el equipo de investigación de UC San Diego-Adobe fue un paso más allá. Querían ver si sería posible analizar las preferencias y otros datos no solopara hacer recomendaciones, pero potencialmente para permitir que las computadoras produzcan nuevos diseños de ropa que tengan una ventaja porque reflejan las preferencias individuales del consumidor.
Inicialmente, los investigadores se centraron en diseñar un sistema para crear mejores recomendaciones, particularmente en el caso de recomendaciones 'visuales', donde los consumidores pueden ser influenciados por la apariencia del producto, como en el caso de prendas de moda u obras de arte.
"La creación de sistemas de recomendación efectivos para dominios como la moda es un desafío debido al alto nivel de subjetividad y la complejidad semántica de las características involucradas", según el nuevo artículo. Los investigadores observaron que la recomendación visual puede hacerse más precisa alincorporando señales visuales directamente en el objetivo de la recomendación, utilizando representaciones de funciones listas para usar derivadas de redes profundas.
El equipo demostró que el rendimiento de las recomendaciones puede mejorarse significativamente al aprender directamente las representaciones de imágenes 'conscientes de la moda', al entrenar la representación de la imagen desde el nivel de píxeles y el sistema de recomendación conjuntamente. El documento surgió del trabajo reciente usando Siamese Convolutional NeuralRedes CNN siamesas, llamadas así porque son una clase de arquitecturas de redes neuronales que contienen dos o más subredes idénticas las CNN siamesas se usan popularmente para encontrar similitudes o relaciones entre dos elementos comparables.
Para el proyecto de moda, los investigadores entrenaron a la CNN-Siamese para aprender y clasificar las preferencias de un usuario para ciertos artículos.
A partir de ahí, utilizaron un marco de redes neuronales llamado Generative Adversarial Network GAN para aprender la distribución de imágenes de moda y generar nuevos artículos de moda que maximizan las preferencias de los usuarios. Las GAN entrenan dos redes en un conjunto de datos, y han sidoparticularmente adecuado para generar imágenes realistas. El sistema resultante puede sugerir artículos para comprar de diseños existentes, pero también puede usarse para modificar artículos existentes, o para generar nuevos diseños adaptados a las preferencias de un individuo específico basado en 'big data'sobre compras anteriores, encuestas, etc..
El uso de IA en la industria de la moda todavía está en pañales, pero dos de los minoristas en línea más grandes del mundo, Amazon y Alibaba de China, ya están trabajando con herramientas de IA, incluidas las GAN. En cuanto a la UC San Diego-AdobeProyecto de investigación, la calidad de la ropa nueva diseñada algorítmicamente sigue siendo rudimentaria en el mejor de los casos. Como McAuley de CSE le dijo a un escritor de MIT Technology Review, "tendrías que leer un poco las hojas de té si quieres llamar a ese estilo o no"Pero, advirtió, traer redes neuronales al mundo de la moda está en su infancia".
Fuente de la historia :
Materiales proporcionado por Universidad de California - San Diego . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :