隨著 618 電商節(jié)第二波高潮的開啟，各種廠商的平臺(tái)戰(zhàn)報(bào)噩斟、調(diào)查數(shù)據(jù)曹锨、分析報(bào)告也蜂擁而至。從最新的一份調(diào)查分析報(bào)告來看剃允，服飾類依然是個(gè)大熱門艘希，在消費(fèi)者已購買/意向購買商品品類中占比達(dá)到了 50.06%，僅次于美妝護(hù)膚類硅急。

然而覆享，線上購物在越來越火的同時(shí)，也逐漸暴露出越來越多的問題营袜。以熱門的服飾類為例撒顿，消費(fèi)者很難從商品介紹頁想象出自己上身的真實(shí)效果，甚至評(píng)論區(qū)的買家秀和賣家秀一度成為網(wǎng)絡(luò)上的熱門談資荚板。

基于此凤壁，不同電商平臺(tái)推出了一系列的創(chuàng)新舉措，比如得物跪另、淘寶等推出的 AR 試穿拧抖，直播間里的主播展示、在線互動(dòng)免绿，但是受限于 AR 技術(shù)的發(fā)展程度唧席、主播與消費(fèi)者之間的形體差異、溝通效率嘲驾、傳遞信息的偏差等淌哟，這些措施并沒有真正行之有效地解決服飾上身的實(shí)際效果給用戶足夠的參考。

在追求虛擬試穿的趣味性辽故、互動(dòng)性以及用更「務(wù)實(shí)」的方式提供足夠的參考信息之間如何做好平衡徒仓，對(duì)于廠商而言是個(gè)需要去面對(duì)的難題。

Google 最新推出的虛擬試穿解決方案誊垢，則是選擇了后者掉弛。

借由一種被稱為 diffusion 的技術(shù)，Google 最新的生成式 AI 可以向你展示不同的衣服在不同體型的真實(shí)模特身上的穿戴效果喂走。

相對(duì)于其他同類型的虛擬試穿方案殃饿，Google 的這項(xiàng)服務(wù)能夠?qū)Ⅰ薨櫋⒄郫B缴啡、包裹壁晒、拉伸和陰影等一些細(xì)節(jié)但是很重要的細(xì)節(jié)一覽無余地展示出來瓷们，換言之业栅，能更加真實(shí)地展示出衣物在不同體型秒咐、姿勢(shì)上所呈現(xiàn)的物理效果。并且能避免如錯(cuò)位等帶來的視覺上的缺陷碘裕。

這樣的精準(zhǔn)效果由基于 diffusion 的 AI 模型實(shí)現(xiàn)携取，Google 也分享了這一 AI 模型的機(jī)制。

首先需要解釋的是 diffusion帮孔。Diffusion（擴(kuò)散）是逐步向圖像中添加額外的像素（或者叫噪點(diǎn)）的過程雷滋，直到圖片變得無法識(shí)別。然后文兢，再完全消除噪點(diǎn)晤斩，從而高質(zhì)量地重建原始圖像。

類似 Imagen 這樣的文本到圖像（text-to-image） 使用 diffusion 以及來自大語言模型的文本姆坚，使得用戶輸入的文本能夠生成逼真的圖像澳泵。

Google 最新的試穿效果的實(shí)現(xiàn)正是受這一工作機(jī)制的啟發(fā)，不過與 Imagen 不同的是兼呵，在這個(gè)過程中兔辅，Google 的輸入對(duì)象并非文本，而是一組圖像击喂，即衣服和人维苔。

衣服和人對(duì)應(yīng)的圖像被分別發(fā)送至各自的神經(jīng)網(wǎng)絡(luò)（U-net），然后在一個(gè)被稱為「cross-attention」的過程中共享信息懂昂，最終生成一個(gè)輸出——著裝人物的真實(shí)圖像介时。

這種基于圖像的 diffusion 和 cross-attention 的結(jié)合構(gòu)成了 Google 的這個(gè)新的 AI 模型。

基于這個(gè)模型的用途凌彬，對(duì)該模型的訓(xùn)練方式也有別于 Imagen（后者使用大模型進(jìn)行數(shù)據(jù)訓(xùn)練）潮尝。Google 使用 Shopping Graph 來對(duì)其進(jìn)行訓(xùn)練，Shopping Graph 是涵蓋了產(chǎn)品饿序、賣家勉失、品牌等信息的全球最全面的數(shù)據(jù)集。

訓(xùn)練的數(shù)據(jù)類型為圖像原探，每組圖像包括兩個(gè)穿著不同乱凿、姿勢(shì)不同的人，如一個(gè)側(cè)身站立咽弦、穿著襯衫的人徒蟆，另一個(gè)人則是正面站立。訓(xùn)練開始后型型，AI 模型將學(xué)習(xí)將側(cè)立姿勢(shì)的人身上的襯衫向正面站立的人身上進(jìn)行匹配（反之亦然）段审，直到它可以從所有角度生成襯衫在正面站立的人身上的逼真圖像。

而為了提升最終的效果闹蒜，Google 使用了數(shù)百萬個(gè)不同服裝和人物的隨機(jī)圖像重復(fù)了這一過程寺枉，最終呈現(xiàn)出衣服在不同情況下展現(xiàn)出的真實(shí)效果抑淫。

這項(xiàng)服務(wù)目前已經(jīng)在美國開放，用戶可以通過 Shopping Graph 來進(jìn)行女式上衣的試穿姥闪，目前支持 Anthropologie始苇、LOFT、 H&M 和 Everlane 等品牌筐喳。此后這項(xiàng)服務(wù)將會(huì)支持男式上衣以及更多的品牌和商品催式。

此外，為了更進(jìn)一步提升衣服的選購體驗(yàn)避归，Google 還同步推出了一項(xiàng)延伸服務(wù)荣月。在搜索的關(guān)聯(lián)結(jié)果中，除了傳統(tǒng)的價(jià)格過濾項(xiàng)梳毙，Google 還提供了顏色喉童、風(fēng)格、款式等其他過濾選項(xiàng)顿天，而這些選項(xiàng)也是基于機(jī)器學(xué)習(xí)和視覺匹配算法實(shí)現(xiàn)的堂氯。

灣里小結(jié)

虛擬試穿（Virtual try-on，VTO）實(shí)際上已有多年的發(fā)展歷史牌废，這與其廣闊的市場空間密不可分咽白。

根據(jù)相關(guān)報(bào)道，全球虛擬試衣間市場規(guī)模預(yù)計(jì)將由 2019 年的 30.7942 億美元增長至 2025 年底的 65.6547 億美元鸟缕，復(fù)合年增長率(CAGR)為 13.44%晶框。

廣闊的市場空間意味著廣闊的發(fā)展機(jī)遇，但是發(fā)展帶來的新的問題如何更好地解決卻是整個(gè)行業(yè)都需要慎重思考的難題懂从。

AR 試穿某種程度上解決了用戶試穿的問題授段，但是不成熟的技術(shù)讓其為用戶能提供的真實(shí)價(jià)值需要畫上問號(hào)。相比而言番甩，Google 這種形式上更加「樸素」的解決方案或許才是用戶心中真正想要的答案侵贵。

主筆：陳述 / 深圳灣

編輯：曉月 / 深圳灣

題圖來源：Designers