人工智能「 服装设计师 」中
上文讲到谷歌的Project Muze跟IBM Watson与设计师合作的LED礼服，今天再更新2个案例。
一个是Thread:
Thread:采用机器算法+造型师顾问的服务方式来解决人们不知道怎么穿的问题。将时尚顾问对穿搭的感觉和计算机算法进行了融合，帮助人们进行购物决策。
首先选择男装还是女装，这点跟Project Muze差不多，不过Project Muze多了中性这个选项。
Project Muze 简介
然后用户需要完成一份“简单”的问卷，内容如：常用的品牌，什么场合下你喜欢穿什么样的衣服，常穿的衣服尺寸、颜色、风格偏好等；
通过填写内容，和选择照片，还有用户自己上传的照片，形成用户的基础信息；
时尚顾问会根据问卷数据和照片，给用户推荐适合的搭配方案；
机器算法则会根据搭配方案从无数的商品中给用户找出在他意向价格内最适合的服饰。
这些算法需要考虑用户至少几十个的个性特征，包括风格偏好、体型特征等，据说Thread有高达3.7万亿种搭配组合，任何人都会看到不同的搭配。
随着用户购买越来越多，包括用户的反馈，算法会越来越靠谱。用户可以给予评价和反馈改进算法，比如用户得到自己的推荐时，可以反馈说：不喜欢横条纹；不喜欢衣服的材质；喜欢这个带褶皱的设计等。
通过机器学习算法的持续提升以及一对一时尚顾问的服务，用户获得了更具个性化的反馈。
码隆人工智能
的一款AI产品，StyleAI，利用人工智能根据灵感，实时智能匹配出的时尚作品。
聚焦的是这么一种设计场景：
服装设计师从生活中发掘各种时装的灵感来源进行创作，将时装和生活、自然、艺术元素结合起来，从中发现时尚。
原理是服装版的“以图搜图“。
码隆人工智能还有一款产品，ProductAI。
服装设计相关的有：时尚智能分析及智能搜索同款功能。
时尚智能分析，运用了物体识别；
搜索同款，自然是以图搜图技术了。
最近比较忙，忙到上期提到的 DIY一个智能服装设计师还没空去具体实现。
本期就暂时更新案例为主，DIY留作下期哈。
特别说明：
想了解人工智能设计师是如何被创造的，可长按进入：