利用深度学习模型与计算机视觉构建虚拟更衣室

将深度学习模型与计算机视觉相结合，Revery.ai正在改善零售商和消费者的在线更衣室体验。这项技术创建了一个工具，利用现有的商店目录图像来构建一个可伸缩的虚拟更衣室，使购物者能够在不出门的情况下尝试商店的全部库存。

“创造梦幻的灵感其实是为了解决每个人在网上购物时都会遇到的一个问题——这套衣服在人身上看起来如何？“虚拟更衣室的想法并不是新的，从电影 Clueless 到失败的 Boo.com – 自从有了网上购物人们就一直想尝试虚拟更衣室。”伊利诺伊大学时尚 AI 和计算机视觉博士候选人 Jeffrey Zhang 说。

戴维 – 福赛思在伊利诺斯州大学的计算机科学教授的建议。 AI 合作者还包括两位在时尚 AI 和计算机视觉领域的博士生候选人，柯丹丽和闵金崇。 NVIDIA Inception AI 、数据科学和 HPC 初创公司加速平台。

张说，对于大多数零售巨头来说，Revery 克服了最大的虚拟更衣室障碍 – 可扩展性。这项技术提供了一个综合工具，每周能够处理超过一百万个服装图像。

Revery 通过采用cuDNN – 加速深度学习框架 PyTorch 和 NVIDIA 的新开发的 AI 算法实现了这一点 RTX 3090和 RTX A6000 GPU 来训练和处理模型。随着该框架从数百万图像中学习，该系统能够捕捉和处理细微差别，例如服装元素的下落、纹理、徽标，甚至着色，从而提供真实的在线版本服装元素。

“我们有幸获得了最新一代 GPU 的一些产品，与前几代相比，这些产品大大加快了我们的训练速度。此外，增加的内存大小使我们能够生成高达 1.5k 的图像分辨率，”张说。

这项技术不仅节省时间。它还可以减少整合完整库存所需的数百万美元，同时为零售商提供快速更新库存的能力。

随着 2020 年消费者向美国商家消费8611 。 2 亿美元，在线购物一直在增长。到年底，美国服装电子商务预计将达到 1000 亿美元左右，该团队正寻求与更多在线零售商合作。

他们还专注于为客户创造更具包容性和多样性的产品，而这正是时尚行业通常缺乏的。该组织正致力于增加个性化，提供不同的体型，并为包包和鞋子添加混搭选项。目前的产品让购物者能够定制性别、肤色、头发，甚至改变模特的姿势。

“我们的长期目标是数字化任何商店的每一个服装 ，并与购物者的衣柜集成，创造一种沉浸式的在线购物体验，”张说。

关于作者

Michelle Horton 是 NVIDIA 的高级开发人员通信经理，拥有通信经理和科学作家的背景。她在 NVIDIA 为开发者博客撰文，重点介绍了开发者使用 NVIDIA 技术的多种方式。

审核编辑：郭婷