medicaltaiwan
Advantechline
 

時尚元素靠大數據掌握? 香港理工大學教授:AI需深度結合時裝專業

香港理工大學紡織及製衣學系副教授黃偉強受邀至台灣分享時尚產業如何結合AI。廖家宜

時尚產業結合AI創新科技的市場潛力大,但要讓講求科學的人工智慧(AI)認知具有主觀意識的時尚,就必須將主觀審美中的知識和經驗規則轉化為機器能力的AI。香港理工大學紡織及製衣學系副教授黃偉強4日受邀至台灣參加港台經貿合作論壇時表示,當前AI多集中在算法與圖像研究,相對仍是缺乏針對服飾特定專業領域的數據研究,AI數據同時結合服飾專業及機器學習的要求,就必須深入理解時裝,因此香港理工大學也為此和阿里巴巴開發出全球首個結合服裝專業知識的數據庫「FashionAI數據集」。

由於時尚概念較為抽象,比起透過文字敘述,透過圖像搜索更能接近原始意涵。黃偉強以服飾圖像搜索舉例,現今網路平台的圖像搜索技術是利用整張圖像去搜尋相同或類似的圖像,但對於消費者來說,可能只對圖像上某一設計元素感興趣,只想搜尋具備該設計元素的圖像,但現今圖像搜索技術未能滿足此需求,也因此限制了個性化購物體驗的發展。黃偉強認為,這是因為當前市場欠缺基於服飾專業知識又能達到機器學習要求的服飾圖像數據集,也就是說,電腦未被訓練去理解並準確辨認每張服飾圖像的服飾特徵。

為加強AI在時尚領域的應用,黃偉強帶領香港理工大學的團隊阿里巴巴合作共同研發「FashionAI數據集」,將服飾圖像的屬性分成不同結構,例如「服飾的關鍵點位」和「服飾屬性標籤識別」進行分析。

黃偉強解釋,像是頸線、袖口、腰線、裙襬等就是服飾的關鍵點位。電腦分析服飾圖像可能受到如服飾的尺寸型態、拍攝距離與角度,或是擺放方式的影像而有誤差,而借助服飾關鍵點位可以降低電腦在判斷服飾圖像上的誤差。而服飾屬性標籤則包括像是袖長、領子設計、裙型等構成服飾的基本元素,這些元素決定了服飾的類別和風格,但由於服飾屬性標籤的種類繁多而複雜,必須透過專業的系統分類才能讓電腦自動理解服飾圖像。

黃偉強表示,雖然當前AI已大行其道,但在時尚紡織產業應用卻仍處於起步階段,事實上時尚產業對於AI興致高昂,但由於不瞭解AI、總是將AI視為萬能而忽略從現實面考量可行性,而對於AI領域的人來說,同樣也不熟悉時尚產業,因此如何把雙方連結在同一個水平是現階段時尚與AI產業各自努力的方向,並找到可實際的應用點將服務商品化。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 阿里巴巴 智慧零售 紡織業 人工智慧