Νευρωνικά δίκτυα εκπαιδεύονται για να λειτουργούν σαν σχεδιαστές μόδας

Νευρωνικά δίκτυα εκπαιδεύονται για να λειτουργούν σαν σχεδιαστές μόδας

Νευρωνικά δίκτυα εκπαιδεύονται για να λειτουργούν σαν σχεδιαστές μόδας.

Οι ερευνητές του Πανεπιστημίου της Καλιφόρνιας στο Σαν Ντιέγκο και του Adobe Research έχουν δείξει πώς η τεχνητή νοημοσύνη και τα νευρωνικά δίκτυα θα μπορούσαν να δημιουργήσουν μια προσαρμοσμένη σειρά ενδυμάτων για να βοηθήσουν τους λιανοπωλητές και τους κατασκευαστές ενδυμάτων να πωλούν ρούχα στους καταναλωτές με βάση αυτό που έμαθαν από τις προτιμήσεις του αγοραστή κατά τις προηγούμενες αγορές.

«Το πρότυπό μας έχει τη δυνατότητα να χρησιμοποιηθεί σαν σχεδιαστής μόδας μέσω αλγορίθμων που θα εκπαιδεύονται μέσω μηχανικής μάθησης, βάσει των υπαρχόντων δεδομένων, δηλαδή παίρνει πληροφορίες από τις προτιμήσεις του χρήστη ανά κατηγορία ενδυμάτων – προϊόντων, και έπειτα μέσω αυτών των εικόνων μπορεί να δημιουργήσει νέα σχεδιαστικά πρότυπα (όπως στην περίπτωση των ειδών ένδυσης) που είναι πιο συνεπείς με το προσωπικό γούστο του χρήστη», δήλωσε ο πρώτος συγγραφέας της μελέτης ο Wang-Cheng Kang. «Αυτό αποτελεί ένα πρώτο βήμα προς την κατεύθυνση της οικοδόμησης συστημάτων που υπερβαίνουν τα συνιστώμενα υπάρχοντα στοιχεία των προϊόντων, όπως την πρόθεση του επιθυμητού στυλ του πελάτη και τη συμβολή στη σχεδίαση νέων προϊόντων».

Τα ευρήματά δημοσιεύθηκαν στις αρχές Νοεμβρίου στο περιοδικό ArXiv σε ένα έγγραφο με τίτλο «Συμβουλή και σχεδιασμός της μόδας με οπτικά ερεθίσματα από μοντέλα γενικής εικόνας». Ο Καθηγητής Πληροφορικής και Μηχανικός Υπολογιστών Julian McAuley και ο Δρ. Wang-Cheng Kang, συνεργάστηκαν στην έρευνα με τους ειδικούς από την Adobe Research για να επιτύχουν αυτό το σκοπό.

«Αυτό υποδηλώνει μια νέα προσέγγιση τύπου σύστασης που μπορεί να χρησιμοποιηθεί για τον σχεδιασμό και την παραγωγή ενδυμάτων», γράφει ο McAuley και οι συνεργάτες του. «Αυτά τα πλαίσια μπορούν να οδηγήσουν σε πλουσιότερες μορφές σύστασης, όπου η σύσταση και η δημιουργία περιεχομένου συνδέονται για να επιτευχθεί αυτό το αποτέλεσμα».

Το έργο αποσκοπούσε στο να δοκιμάσει πόσο καλά είναι τα εργαλεία της τεχνητής νοημοσύνης και της μηχανικής μάθησης και το κατά πόσο μπορούν να βοηθήσουν τη βιομηχανία της μόδας και τους καταναλωτές -ιδιαίτερα για την ομάδα πελατών που αρέσκεται να ψωνίζει μέσω διαδικτύου.

Ενώ υπάρχουν πολλοί αλγόριθμοι και εργαλεία για να βοηθήσουν τους online λιανοπωλητές να προτείνουν σχέδια σε πιθανούς αγοραστές, η ομάδα UC San Diego-Adobe Research έκανε ένα τεράστιο βήμα περαιτέρω. Ήθελαν να δουν αν θα ήταν δυνατό να αποκτήσουν τα προνόμια και άλλα δεδομένα, όχι μόνο για τη διατύπωση συστάσεων, αλλά ενδεχομένως και για να μπορέσουν οι υπολογιστές να παράγουν νέα σχέδια ένδυσης που θα είχαν το πλεονέκτημα επειδή αντικατοπτρίζουν τις ατομικές προτιμήσεις του καταναλωτή.

Αρχικά, οι ερευνητές επικεντρώθηκαν στην εκπόνηση ενός συστήματος για τη δημιουργία καλύτερων συστάσεων, ιδίως στην περίπτωση των «οπτικών» συστάσεων, όπου οι καταναλωτές μπορούν να επηρεαστούν από τον τρόπο εμφάνισης του προϊόντος, όπως στην περίπτωση της μόδας ή των έργων τέχνης.

«Η οικοδόμηση αποτελεσματικών συστημάτων συστάσεων για τομείς όπως η μόδα είναι πρόκληση λόγω του υψηλού επιπέδου υποκειμενικότητας και της σημασιολογικής πολυπλοκότητας των χαρακτηριστικών που εμπλέκονται», σύμφωνα με το νέο έγγραφο. Οι ερευνητές διαπίστωσαν ότι οι οπτικές συστάσεις μπορούν να γίνουν ακριβέστερες με την ενσωμάτωση οπτικών σημάτων απευθείας στο στόχο της σύστασης, χρησιμοποιώντας παραστάσεις χαρακτηριστικών εκτός ραφιού που προέρχονται από βαθιά νευρωνικά δίκτυα .

Η ομάδα απέδειξε ότι η απόδοση της σύστασης μπορεί να βελτιωθεί σημαντικά με την άμεση εκμάθηση των αναπαραστάσεων εικόνων με γνώση της μόδας, απλά εκπαιδεύοντας τους αλγόριθμους βάσει αντιπροσώπευσης των εικόνων και του συστήματος των συνιστώμενων από κοινού.

Αυτή η εργασία βασίστηκε στη χρήση των Siamese Convolutional Neural Networks (Siamese-CNN), τα οποία είναι μια κατηγορία νευρωνικών δικτύων που περιέχουν δύο ή περισσότερα πανομοιότυπα υποδικτυακά δίκτυα. Τα Siamese-CNN χρησιμοποιούνται ευρέως για να βρουν ομοιότητες ή σχέσεις μεταξύ δύο συγκρίσιμων στοιχείων.

Για το σχέδιο μόδας, οι ερευνητές εκπαίδευσαν το Siamese-CNN για να μάθουν και να ταξινομήσουν τις προτιμήσεις ενός χρήστη για ορισμένα αντικείμενα.

Μετέπειτα, χρησιμοποίησαν ένα πλαίσιο νευρωνικών δικτύων που ονομάζεται Generative Adversarial Network (GAN) για να μάθουν τη διανομή εικόνων μόδας και να δημιουργήσουν καινοτόμα είδη μόδας που μεγιστοποιούν τις προτιμήσεις των χρηστών. Τα GAN εκπαιδεύουν δύο δίκτυα σε ένα σύνολο δεδομένων και είναι ιδιαίτερα κατάλληλα για τη δημιουργία ρεαλιστικών εικόνων. Το προκύπτον σύστημα μπορεί να προτείνει στοιχεία για αγορά από υπάρχοντα σχέδια, αλλά μπορεί επίσης να χρησιμοποιηθεί για την τροποποίηση υπαρχόντων αντικειμένων ή για τη δημιουργία νέων σχεδίων προσαρμοσμένων στις προτιμήσεις ενός συγκεκριμένου ατόμου (βασισμένο σε «μεγάλα δεδομένα» σχετικά με προηγούμενες αγορές, έρευνες κ.λπ.).

Η χρήση του AI στη βιομηχανία της μόδας είναι ακόμη στα σπάργανα, αλλά δύο από τους μεγαλύτερους διαδικτυακούς λιανοπωλητές στον κόσμο – την Amazon και το Alibaba της Κίνας – ήδη δουλεύουν με εργαλεία τεχνητής νοημοσύνης AI, συμπεριλαμβανομένων των GAN. Όσον αφορά το έργο UC San Diego-Adobe Research, η ποιότητα των αλγοριθμικά σχεδιασμένων νέων ρούχων παραμένει ως καλύτερη περίπτωση, διότι δεν εξαρτάται από συναισθηματικές επίδράσεις. δήλωσε ο McAuley στο MIT Technology Review,

ΑΦΗΣΤΕ ΜΙΑ ΑΠΑΝΤΗΣΗ

Παρακαλώ εισάγετε το σχόλιο σας!
Παρακαλώ εισάγετε το όνομά σας