發布日期：2022-04-17 點擊率：71
如今，服裝市場面臨的最大挑戰之一，對很多不熟悉該行業的朋友而言似乎根本不像是挑戰——這就是可供選擇的商品數量過大。此種狀況意味著客戶對特定品牌及零售商缺乏忠誠度，亦可能令客戶提不起購物的興致。
電子商務帶來的大量選項與便利性對消費者而言確實非常重要，這一點已經憑借著該行業快速迅猛的發展而得到證明。但是，其特性同樣也給購物者帶來了負擔——人們很難找到自己喜歡的商品，并搭配成能令自己滿意的組合。這要求我們將來自不同設計師與零售商的服飾放在一起，同時考慮自己的衣櫥里已經有了哪些衣物。
這種看似無限的選擇空間反而帶來了選擇困難問題。即使購物者使用過濾條件或搜索功能大幅縮小搜索結果范圍，但多數在線商家并沒有將所有選項都擺在顧客面前。現在，他們意識到自己必須給出更多正確的選項，從而降低買家的采購負擔。
個性化正是人工智能最擅長的發揮空間。根據Mad Street Den公司（一家基于計算機視覺的人工智能初創公司，通過結合計算機視覺和AI技術，來探索視覺搜索，根據購物者在線下世界獲得的商品圖片，來幫助用戶在線上尋找類似商品）首席運營官Julia Kaplan的說法，零售商不應止步于此。人工智能技術可以用于在客戶選擇商品后，通過觀察幫助其作出明智的采購決定。她解釋稱，這也正是Mad Street Den智能零售自動化系統Vue．ai的意義所在。（Vue．ai借助AI技術，進行圖像搜索，為購物者顯示同類產品，并結合每位購物者的購物歷史和個人喜好，為他們提供個性化的購物體驗。）
Kaplan在采訪當中解釋了Vue．ai的工作原理，以及其如何幫助零售商在實現成本節約的同時增加業務收入。
Kaplan表示，當用戶能夠直觀看到某款商品的使用背景——即“上身”效果——之后，無論其被穿著在模特身上還是客戶身上，都能夠有效提升銷量。然而，對于電子商務網站而言，提供這樣的背景往往成本高昂——要求其在模特、攝影師、工作室乃至造型師等身上投入大量資金。
為了幫助零售商建立起這樣的背景，同時節約圖像制作成本，Kaplan表示Vue．ai能夠利用計算機視覺技術對平放在桌上的服裝進行掃描，而后將其屬性（例如袖子長度、領口形狀或衣長等）映射至由計算機生成的模特身上。
接下來，商家將可以為虛擬模特選擇不同的姿勢、調整膚色并添加其它配飾。Kaplan指出，此項技術目前還無法展示不同形狀及尺寸的體態，但該公司正在為此作出努力。
Kaplan表示要在網站上提供此類展示效果，需要首先建立起設置過程。目前商家需要一支完整的團隊以手動方式處理相關工作，包括創建標題、描述并利用元數據以優化搜索引擎的具體條目。
利用計算機視覺技術將能夠提取出服裝屬性以提供統一且豐富的數據，提升搜索引擎效能，且無需承擔昂貴的時間與人力成本。
當然，在攝影方面，這種作法也能夠消除由模特及攝影師帶來的開支，同時顯著節約時間投入。一般來講，在效率較高的情況下，每天商家也只能完成60至80件商品的手動拍攝與展示工作。
而利用計算機視覺技術，原本需要手動輸入的數據將能夠自動生成，因此員工只需要對計算機提供的數據進行核實即可——基本上，人類員工只需要充當質量保證類角色。
通過這樣的流程自動化方案，企業可以有效減少員工數量并提升執行效率。這一點對于市場類及多品牌網站尤為重要，特別是考慮到其往往需要在店面平臺上展示更多服飾品種。
Kaplan說道，也有一些服裝零售相關從業者希望利用人工智能解決尺碼問題。他們正在利用統計模型與身體掃描相結合的方式幫助客戶準確得知最適合自己的尺碼與版型。
Vue．ai并不會使用任何高成本的高科技模板，而單純強調以最低的建模與成像成本解決問題。從本質上講，其目標是以遠低于真實攝影師加時裝模特的開銷提供盡可能接近的成像效果。
一旦該公司切實達成這項目標，Kaplan表示其計劃向客戶提供更多成像選項——例如小尺碼服飾在中等身材乃至壯碩身材模特身上的穿著效果，從而更全面地作為參考。當然，其仍將堅持一直以來的前提——利用計算機成像技術生成逼真的圖像，但不會帶來真實拍攝場景下的高昂成本。
下一篇： PLC、DCS、FCS三大控
上一篇： 索爾維全系列Solef?PV
