def ai_fashion_design ( ):
项目介绍
我收集了当季一线大牌最新服装发布会的照片，并使用人工智能技术学习其中的服装设计风格，建立了能够自动为服装线稿添加配色、材质纹理的算法。这项技术可以在几秒内生成任意数量的颜色和材质搭配方案，帮助服装设计师更快地捕捉到潮流趋势。
效果演示
观看一个演示视频以了解人工智能如何生成无限量的服装设计方案。录屏自Ubuntu 统，未显示声音。视频内容表明设计师提供了几件服装的草图（左侧画面），接着AI程序会自动选择颜色和材质（包括材料）进行配色，允许设计师手动决定每张线稿的具体方案数量（设置为六种颜色搭配）。这个过程可以任意生成指定数量的设计方案。
图片示意如下
实现方法
那么这是如何实现的呢？其实很简单，利用的是英伟达出品的“MUNIT： Multimodal UNsupervised Image-to-image Translation”算法，这个算法很神奇，可以看成是cyclegan的进化版。我在之前为汽车线稿上色的时候就是用cyclegan做的，但cyclegan只能生成一个输入线稿的上色结果，而MUNIT则能产生无穷种可能的结果。原因在于MUNIT将图片内容编码（如服装款式）与风格编码（如颜色、材质和纹理）分离了，所以可以使用同一个内容编码配上不同的风格编码来生成各种方案。
听到这里，设计师朋友们内心OS：简单个屁！根本听不懂你在说什么好吗？
算法开源后的两个主要问题既然算法已有了开源版本，那么剩下的问题只剩下了两个：一是服装图片和线稿如何获取？首先讲述服装图片来源。从全球最大的流行趋势预测网站WGSN上采集图片库，包含了丰富分类的海量照片，几乎囊括了所有国际大牌的所有发布会照片，非常适合用于训练。尽管存在爬虫问题，但为了省去具体步骤，我们将不详细讨论这一过程。
图片内容丰富多样，从全身到局部特写，包括鞋类和化妆等，样貌各异，如图所示。
适合拿来用的
只有脸，没有服装
足控福利
当然需要进行数据清洗工作。首先，我们需要从T台走秀中选择全身照，其他照片则不必考虑。这种策略相当简单，只需对每张图片应用人脸检测技术，然后根据人物与全图的比例来排序，最后通过人工筛选来获得可用的照片。以下是一幅展示我们找到的高质量图片的图表。
文件名开头数字代表人脸占全图比例
但是这些图还不能直接拿来训练，因为图片中背景变化太大，会影响训练效果。需要把背景去掉。这似乎是一件很困难的事情，几万张图片难道要一张一张地去抠吗？不用！Adobe爸爸在Photoshop CC 本更新中，增添了一键智能抠出图片主体的功能，位于菜单栏选择-主体。然后录制个批处理动作，就可以轻松搞定背景分离工作了。当然你也可以去找开源的主体检测代码，自己写一个脚本来处理，但本着能用就行的程序员精神，我选择了PS批处理。
用PS批处理遇到了一个小Bug，每次都需要手动按回车键。然而，我机智地解决了这个问题，如下视频演示。（在此项目中是处理汽车图片进行批量抠像，在上一阶段拍摄视频。）
完成后得到白色背景，只剩人物的干净图片
得到服装实际图片后，按照直接在之前的文章[设计师的AI自学之路]中介绍的设计线稿AI上色方法，提取出对应的线稿图片。接着，将真人图片处理成正方形形状，并放到指定目录，启动程序输入相应参数，开始训练神经网络。经过训练，最终得到了文章开头视频中的效果。
return
给设计师无尽的灵感，用AI算法帮你捕捉最新流行趋势，避免熬夜出方案掉头发还被甲方吐槽设计不够fashion。
欢迎在MixLab讨论相关内容、技术实现， MixLab是一所面向未来的实验室
以上就是人工智能服装设计,这是什么黑科技?的详细内容，更多请关注其它相关文章！
