ChatGPT大浪潮下,AIGC已经开始改造时尚行业了

为迩湿了泪
阅读

ChatGPT大浪潮下,AIGC已经开始改造时尚行业了

机器之心发布

机器之心编辑部

AIGC 这股风,吹到了时尚行业,会带来哪些生产力革新?

上线五天,用户破百万,两个月突破 1 亿...... 这是科技圈 “顶流” ChatGPT 的上线战绩,随之引发了持续至今的 AIGC 狂热潮。无所不会的对话、数秒产出的精美作图,俗称 “累不死的 AI 打工人” 正在让真实打工人倍感焦虑。

而事实上,人工智能本质是技术工具,在充斥挑战的背后,蕴藏的机遇更大。企业家们兴奋地忙着如何与 AI 结合进而加速提升效率与生产力,而越来越多聪明的职员正在主动学习 AI 应用,为自己能力加码。AI 重新定义的工作方式,也让企业更加依赖和仰仗那些主动拥抱变化的创作者们,并建立新时代下的工作模式。

在疯狂追寻效率与生产力的行业中,时尚必然在前列。那么,AIGC 将如何为时尚行业所运用?又将为设计师带来哪些方面赋能?已被数字化洗礼的服装企业又该如何抓住 AIGC 的机遇?或者这里能够给你一些解答:

时尚行业是非常适合 AIGC 落地的产业

首先,我们来看一下时尚行业的第一性原理:本质上,时尚行业是依靠大量 “上新” 带动消费的产业。在这里,永远认为衣柜里少一件衣服的女性可能更有同感。从消费者画像来看,愈发个性化的着装需求,也决定了服装类产品天然的非标品属性。为满足服装消费者多样化的消费需求,服装品牌必须积极寻求多 SKU 的策略。以某全球头部的即时(Instant fashion)时尚电商平台为例,每天上新需求是 5000-6000 个 SKU。足以见得,“持续创造” 是永远是不停止的时尚追求。

同时,时尚行业还有一个特性是:一个用 “近似” 交付创意的行业。在关于时尚的几部电影里,不论是《Dior and I》,还是《Coco Chanel》,我们看到了一件衣服诞生的艺术画面:一个设计大师找到灵感,基于灵感描画草图,然后在此基础上整个制作团队和设计师一起通过面料、辅料、工艺的结合,最终呈现一件高定衣服。这里,最重要的是大师的 “灵感”,画的也是 “草图”。时尚行业的特殊性就在于:极其创意驱动,这些的创意往往对精确性有一定的容忍度,这也正符合目前 AIGC 应用的特点。

时尚行业历史悠久,已经形成了一条完善的产业链,从原材料到设计制作到成品销售,拥有着大量结构化的数据。用时尚行业常用的色彩 —— 潘通色卡举例,新版服装纺织 TPG 色卡有 2310 个色彩,这还不包括金属色卡和色彩桥梁卡等。这些,看似主观感受的服装色彩,其实背后有清晰的 2310 个标准色号。正是这些结构化的数据,为服装行业应用 AIGC 打好了基础。

极致的效率追求、大量创造力的需求下,时尚行业正在成为 AIGC 落地的最佳试验田。

什么样的企业可以让时尚行业 AIGC 落地?

从实现层面上来说,服务时尚数字化的头部企业,具有专业的场景理解,良好的数据底层,持续的模型研发能力,就具备让时尚行业 AIGC 落地的能力。

我们手头上看到一家国内头部专注于服装行业数字化,并且刚刚发布了基于 AIGC 应用的企业 —— 凌迪 Style3D。从官方资料看,Style3D 是全球头部的专注于服务服装行业的 3D 数字化解决方案提供商。是一家服务服装行业全链条,包括面料商、辅料商、设计生产商,到品牌商数字化的企业,目前已经积累了大量的结构化数据。

AIGC 的涌现能力强依赖于大量结构化的数据支撑,当前市面上的 AI 模型虽然能够实现多场景多领域的应用效果,但对于垂直的时尚行业并不是最优方案。究其原因,一方面是数据专业性,一方面是模型收敛域。

当我们接触 Style3D 模型的时候,看到他们把自己的模型定义为 “Style3D 产业模型”,并称拥有完整的适用于服装行业的 Prompt,以及基于行业的模型。以下是一个基于电商上新图的简单测试:

输入一段复杂且特定的对某款服装的描述 “virago sleeve dress, lotus root shaped sleeves, intricate fabric details, fashion product catalog image, studio lighting, front view, square image”。简单来说,我们要生成的是一款藕节袖连衣裙。在 Prompt 一致,模型收敛不同的时候,稍微有所偏差,产生的就不同。

以下为两个结果图,左一是 Style3D 产业模型生成的 3D 藕节袖裙配上模特效果图,右一是用现在最流行的某 AI 图片生成工具生成的藕节袖模特图:

可以看到,Style3D 模型生成的连衣裙更符合服装产业所讲述的藕节袖。大量符合服装设计的结构化数据沉淀、丰富的服装模型库、结合自研强大且精细的仿真引擎,Style3D 能够生成更精准且贴合设计标准的服装作品。可以说,垂直行业的数据和模型就是 AIGC 应用的基础,更是服务好垂直领域客户的前提条件。

怎样让AIGC辅助服装设计?

在 AIGC 引起的一片狂欢下,我们其实更期待的是,如 Style3D 所说,打造的是产业级模型,为产业服务。

一件衣服的制造流程,往往是由主观性的创意不断去被数据验证的过程,需要经历快速变化和反复设计。换句话说,需要 SKU 的宽度和深度适宜搭配。因此,使整个产业链从基于趋势,到样衣,到真正走向市场,企业无时无刻在面临着效率和成本的挑战。人工智能在服装行业很多场景都可以发挥更大的价值。

首先是通过 Style3D AI 应用可以生成各组成部件,即面料纹样、辅料设计、以及图案等。我们可以看到,一段符合行业专业用语的 prompt,加上基于行业数据的模型,完全可以准确生成适用于行业的各种结构化的元素。

在组成一件衣服的 “部件” 都充分具备并且可以自由替换后,Style3D AI 此时又可以做到通过对于廓形本身的运用,快速产生一件 3D 数字服装,并根据需要对款式进行修改。

接着是对即将演绎服装的数字人进行自动生成。AI 生成的 “包含身体的化身” 将使设计师能够在平台上根据需求去定义一个数字人模特的体型、年龄、发型和肤色等,并最终产出一个及其逼真的数字模特。

最后,根据不同品牌的属性加上不同的背景,结合数字人进行展示,就是一个可以直接用于电商商品上新的商品图。

在此基础上,更可以基于 AI 高效生成各种适用于不同平台的营销素材,并根据需求进行多场景替换。并且,这些生成本身就在产业模型当中进行,直接提升整体生成速度。

值得一提的是,基于 Style3D 产业模型生成的数字服装,不仅仅可以用于电商场景,还可以用于元宇宙虚拟世界,也完全支持直连生产。

我们可以想象,如果有更多的场景落地,将是对整个服装行业的巨大赋能:

首先是给到了每一个消费者更丰富的商品选择,AI 使商品的组成元素有了更多选择,那么商品本身也有了更多组合。其次,是对创意人员的巨大支持。AI 可以辅助设计师扩大创意来源边界,更专注于创意本身的产出,更有灵感地去完成一件衣服的设计。

从更远的社会效应来说,AIGC 将无限拉近消费者的需要和生产制造的能力。我们可以做一个假设,如果生产的服装都能被消费掉,那就不是浪费,真正造成浪费的是无法消耗的库存和为此投入的资源。AIGC 将使商品创造者更好的把握市场趋势并满足市场需求。

经过和 Style3D 的交流,我们相信在时尚行业,人工智能未来一定能够承担更多重复性的工作,更好的服务设计师和版师等创意人员。

我们也期待看到更多能落地的服务产业的大模型出现,让 AIGC 真正推动生产力的发展。

阅读
本文由用户上传,如有侵权请联系删除!

撰写回复
更多知识