Facebook 送你個穿搭師，建議十一出行前查收

場景描述：對不少人來講，服裝穿搭是一項高難度技巧。不管上班、出席會議，仍是約會、休假出遊，你們都會被「該穿什麼」難倒在衣櫃前。Facebook 最新推出 AI 時尚造型師 Fashion ++，幫你在沒必要買買買的狀況下，充分利用現有服裝，穿出更時尚的效果，秒變時尚達人。

早晨起來，洗漱完畢，化上美美的妝，而後在電腦屏幕上點擊「向左」、「向右」鍵，看着畫面上的服裝來回切換組合，挑中一套中意的搭配，點擊「Dress Me」（試穿），屏幕上就會顯示虛擬人像穿上所選服裝的效果。今日出門的行頭就這樣輕鬆搞定了。

《獨領風騷》裏女主早晨用虛擬設計師挑衣服

這是電影《獨領風騷》（《Clueless》）中的一個片斷，時尚的女主 Cher Horowitz，擁有一個虛擬造型師，經過這個虛擬造型師，她能夠預覽本身的衣服搭配效果，並挑選一套本身最喜歡的穿搭方案。

現在，電影裏的黑科技場景，已經被 AI 技術變爲現實，並且還有所超越。

Facebook  最新推出的個性化服裝穿搭推薦模型 Fashion ++，能經過算法，對現有服裝進行巧妙的穿搭調整，讓其顯得更加 fashionable，即便是穿搭小白，也能夠瞬間變身時尚達人。 

AI 造型師：穿搭技巧信手拈來

天天最令都市男女糾結的問題不止是「今天該吃什麼？」，還有「今天該穿什麼？」

每次出門前，都把衣櫃裏的衣服各類排列組合，卻仍是不知道哪套搭配最好看、最合適。因而廣大女性朋友得出一個結論：「女人的衣櫃裏，永遠缺一件衣服」。

挑一件合適的衣服出門真是耗時又耗力

最近眼看着國慶長假在即，要去遊山玩水拍各類美照的你，是否是又以爲衣櫃裏缺衣服了？事實上，你缺的也許並非衣服，而是一個穿搭指導。其實，一樣的一件衣服，會由於不一樣的穿着方式，好比多一條絲巾或者捲起袖子，就產生大大不一樣的效果。

一樣的衣服，只由於上衣塞進褲腰就產生徹底不一樣的視覺效果

雖然現在坐擁大批粉絲的各大時尚博主能爲穿搭手殘黨解憂，但他們每每最終導向仍是「買買買」。

Facebook 近期推出的時尚穿搭推薦模型 Fashion++，則並不鼓勵剁手，它會充分利用用戶現有服裝，經過改變穿着方式（好比捲起衣袖，或塞進褲腰等），對搭配進行調整，從而獲得用戶最喜歡的造型。

Fashion ++ 模型由一個深度圖像生成神經網絡構成，該神經網絡以對每件衣服的編碼爲條件識別並學習合成服裝。編碼根據衣服形狀和紋理顯式分解，從而容許分別對合身程度和顏色/圖案/材料進行直接編輯。

最終實驗代表，Fashion ++ 根據自動化指標和人們的意見，提供了成功的穿搭建議，並且這些建議很容易實施。好比：換一件新衣服；調整顏色、穿着方式（好比捲起袖子）或尺寸（好比，讓褲子更寬鬆一些）。

AI 系統如何修煉爲穿搭指導？

法國先鋒時裝設計師可可·香奈兒有句名言：「Before you leave the house, look in the mirror and take one thing off.」這句話對時尚界產生了深遠影響。其言下之意是，不管是取下一件配飾，或是摘掉帽子等，細微的調整均可以使現有服裝更加時尚。

正是該理念給了 Fashion ++ 團隊靈感，他們所以引入了新的計算機視覺挑戰：但願經過算法對服裝/配飾進行微調，而改善總體時尚性。

服裝搭配微調先後的效果對比

該項目具體內容包括：服裝生成框架，從網絡圖片中學習判斷時尚性，編輯服裝搭配並輸出結果。

Fashion ++ 服裝生成框架

Fashion ++ 框架概覽

初始服裝 x 的文本特徵 t 與形狀特徵 s，通過初步編輯，再由編輯模塊 F++ 編輯後生成新的文本特徵與形狀特徵 t++ 與 s++。

以後，生成器 G_s 將新特徵反饋至 2D 語義分割模型，最終由生成器 G_t 生成編輯後的新服裝搭配效果 x++。

Fashion ++ 時尚性分類器

團隊將給定的整套服裝的組成部分（如包、上衣、靴子），映射到它們各自的代碼。而後，使用一個有辨別力的時尚性分類器，該分類器在被公認爲時尚服裝的 12744 張公開圖像上進行了訓練。

而且，團隊還經過將時尚示例上的服裝，與最不類似的服裝交換，來引導反面示例。在訓練時尚性分類器時，團隊考慮到，也許理想的訓練集應該由這樣兩組圖片組成：每組圖片中都是同一我的，穿着略有不一樣的服裝，其中一組被公認比另外一組更時尚。然而，他們認爲這樣的數據集不只不適合大規模策劃，並且會隨流行元素演變而過期。

另外一種設想的方法是，未來自特定羣體（如名人）的一組圖像視爲正面的範例，而將另外一組圖像視爲負面的（如平常行人）。可是，他們發現這樣的數據集會致使身份和風格的混淆，所以分類器會發現這兩組之間與時尚無關的一些屬性的區別。

所以，他們提出從時尚服裝的網絡圖片中，自動選出不那麼時尚的照片。其主要理念是從時尚達人的照片中創造出「不時尚」的服裝，以訓練模型辨別能力。

圖左爲時尚示例（pos），經模型編輯後，生成右圖的反面示例（neg）

他們從 Chictopia （在線時尚社交網站）上面的一張全身服裝照片開始，選擇其中一件進行修改，而後用另外一件不一樣的衣服替換它。爲了增長替換衣服下降時尚感的可能性，他們從一套與原衣服最不類似的衣服中提取了一件。

利用這些數據，團隊訓練出了一個 3 層的多層感知器（MLP）時尚分類器。經過訓練這些分解（到服裝）和形狀和紋理編碼的時尚分類器，一個簡單的 MLP 能夠有效地捕捉微妙的視覺特性和複雜的服裝協同做用。

編輯搭配並輸出結果

訓練好分類器後，系統會逐漸更新服裝，以使其更時尚。團隊利用 15930 張圖片訓練了生成器。

該生成器由圖像生成神經網絡，使用變體自動編碼器生成輪廓，並使用條件生成對抗網絡（cGAN）生成顏色和圖案，從而呈現新調整的外觀。

Fashion ++ 不斷迭代編輯結果，直到最終達到系統認爲足夠時尚的結果（橫軸爲時尚性平均分數）

爲了同時考慮到衣服的圖案/顏色和形狀/合身程度，他們將每件衣服的編碼分解爲紋理和形狀組件，容許編輯模塊控制在哪裏和改變什麼 (例如，在保持樣式的同時，調整襯衫的顏色，或者，改變領口或把它塞進褲腰)。

在優化編輯後，模型以兩種格式提供其輸出，第一種是從庫存中檢索最能實現其建議的服裝，第二種則是根據修改過的服裝編碼，繪製出同一我的在調整過的外觀中的效果圖。

Fashion ++ 在服裝顏色/圖案上的編輯更新示例

團隊使用 Chictopia 的時尚圖片數據集驗證了其方法，並經過自動化度量和用戶研究，證實它能夠成功地生成最少的服裝編輯，並且優於基準線。

Facebook 相信，Fashion ++ 將經過調整現有服裝而不是剁手花更多的錢，來幫助人們使用一個應用程序學會時尚穿搭。

學會穿搭，作街上最靚的仔

人們自古都追求時尚，怎樣穿得更美是永恆不朽的話題。正因如此，咱們纔看到國內外從古至今服裝樣式的不斷更迭。

中國古代走在時尚前沿的貴婦們

有人認爲，時尚是藝術，有人認爲時尚是快樂，不管怎樣，時尚都是美的一種象徵。每一個人都但願變得時尚，甚至引領時尚。

現代，打扮得時尚已經不只僅是出於「女爲悅己者容」的目的，更是爲了自個人表達。

因此，已經作好黃金週出行規劃的你，是否還在糾結該不應帶這條絲巾？這條裙子和這個襯衫搭不搭？怎樣穿才能不淹沒在人從衆中？

有了 Fashion ++ 這個免費我的服裝造型師，這些問題應該都不是事兒了。趕快擁抱科技，擁抱 AI，說不定，下一個時尚博主就是你。

—— 完 ——