用虚拟试衣积累亚洲最大女性身材数据库后，好买衣想用AI做每个人的专属时尚顾问

　　
这样的“诱惑”也促使柴金祥从学界投身创业。2000年，在微软亚洲研究院工作的他发表了研究院的第一篇SIGGRAPH（计算机图形学的顶级会议）论文；之后，他赴美留学获得卡内基梅隆大学计算机博士学位，并在TAMU获聘终身教授。而现在，他是虚拟试衣创业公司好买衣的联合创始人兼CTO。

　　好买衣成立于2013年8月，成立以来，它已经和多家天猫TOP 50大牌女装开展了合作，为其提供在线虚拟试衣服务；另外，好买衣独创的免尺测量技术，已经积累了480万的真实用户输入的身材数据；去年，好买衣还入选了雷锋网（公众号：雷锋网）承办的CCF – GAIR的TOP 25榜单。在6月举行的亚洲消费电子展（CES Asia）上，好买衣还宣布将与C&A合作，在今年下半年推出人工智能（AI）线下体验店，建设全渠道解决方案。

　　成立以来，好买衣先后获得了来自联想之星和治平资本的天使轮和A轮融资，并在2015年获得了宽带资本领投的1500万美元B轮融资。日前，雷锋网新智造采访了柴金祥，了解了好买衣不一样的虚拟试衣路线。

　　用大数据的方法解决虚拟试衣的问题

　　柴金祥的主要研究领域是人体动画和动作捕捉，前者研究游戏、电影中和人相关的三维动画制作，后一个领域则研究对人体动作的实时捕捉，近年来大热的用Kinect摄像头捕捉人体姿势，就是他的方向之一。

　　这些研究方向和虚拟试衣有着密切的联系，柴金祥告诉雷锋网新智造，一直以来，都有研究人员和商业公司尝试虚拟试衣，而从历史上来看，虚拟试衣主要有两种技术路线：

　　第一，用传统的动画的方式来做；这也是游戏、动画片里常用的方式，一件衣服，首先由美工手动建模，将衣服的形状、颜色、纹理做出来，另外，由于这件“衣服”要穿在不同人的身上，还要进行仿真。

　　这是虚拟试衣最经典的做法，但也有很多弊端：首先，效果不够真实；其次，也是最重要的，这种做法的成本很高，手工建模对美工的要求很高，而且，仅渲染一件衣服可能就需要一周的时间。服装的换季节奏很快，这种做法根本无法落地。

　　第二，用AR的方式，即将衣服的图片“贴”在人体的图片上；图片能保证衣服的效果更真实，这种做法的成本也更低，但“贴图”也意味着虚拟试衣的效果大打折扣。

　　有没有新的方法，能同时弥补两种传统方法的不足呢？

　　好买衣的做法是借助计算机图形学和计算机视觉，后者已经是人工智能的范畴。

　　虚拟试衣涉及对衣服和人体的三维建模：对衣服，好买衣利用计算机图形学和计算机视觉的方法，先对衣服的各个角度拍照，然后通过算法将其建模出来。柴金祥告诉雷锋网新智造，目前，衣服的拍摄已经是标准化流程，一套衣服几分钟就可以拍完。

　　为了保证试衣效果，对人体进行三维建模同样重要，现在不少创业公司使用Kinect深度摄像头捕捉人体姿势的方案。不过，好买衣使用了不一样的方案：结合人体身材数据库中的模型，加上用户的主动输入调整，自动生成任意身材的三维模型，这个过程中不使用尺子、相机、深度摄像头等任何辅助设备。

　　好买衣将这个方案称为“免尺测量”，柴金祥告诉雷锋网新智造，为了更好的效果和用户接受度，好买衣进行了三个阶段的尝试，第一个阶段，好买衣推出了一个叫“尺码相机”的aPP，用户用手机拍三个不同姿势的照片，系统就能将人体的三维数据建模出来，但是，因为下载和操作的成本比较高，这个app最终没能被用户接受，“100个用户可能只有1个去下载使用”；随后，好买衣尝试了大数据预测的方式，用户可以输入身高、体重和三围，系统集合数据库中已有的模型进行建模，但在实际过程中发现，有不少女性用户是不知道自己的三围的；最后，好买衣才探索出了现在的模式，用户仅需输入身高、体重和内衣的罩杯，并配合从十多个身材标签（tag）中的选择进行建模，这些标签诸如“有没有肚腩”、“肚腩大不大”、“大腿粗不粗”等，几十秒的时间，系统就能把人的身材模拟出来。

　　另外，好买衣还充分考虑到了C端用户的使用习惯，允许用户上传自己的正面头像，系统即可自动识别、定位和提取五官，通过三维重建合成技术将用户真实的五官重建至虚拟三维人脸模型上。用户还可以个性化定制自己喜欢的发型、发色、脸型、肤色。

　　不管是依靠图片建模，还是免尺测量，调校算法都是非常重要的工作。柴金祥告诉雷锋网新智造，从好买衣成立到推出现在的产品，花了两、三年的时间。2017年3月，天猫开启的新风尚活动中，好买衣提供的虚拟试衣也成了女装会场的最大亮点，“和天猫的合作，也意味着我们的效果获得了认可。”

　　专属时尚顾问：AI根据身材、相貌推荐合适的衣服

　　现在，在虚拟试衣之外，好买衣还决定做一件更加人工智能的事：做每个人的专属时尚顾问，即通过用户的身材和相貌，主动推荐合适的衣服。

　　和虚拟试衣一样，穿搭推荐涉及衣服和人两个方面，柴金祥告诉雷锋网新智造，对前者，好买衣使用了深度学习算法，经过大量由人工标注的数据训练后，现在，系统已经可以自动给建模好的衣服模型打上各种标签，如面料、款式、风格、细节等。这种做法可以顺利开展，得益于好买衣为衣服建模的标准化流程。建模后结构化的数据，可以直接用于优化深度学习算法。

　　人的因素则设计身材和相貌，虽然是一位纯粹的研究人员，柴金祥已经对衣服穿搭有了一套心得，“比如一个人下半身短一些，大腿比较粗，那穿A字裙就比较合适，它的腰线比较高，会显得腿比较长。穿搭实际上就是扬长避短。”

　　但是对机器算法来说，根据身材和相貌推荐衣服还有很大的难度，其中最大的困难在于，这些“知识”或者说经验，很少有系统的、成文的体系。

　　好买衣的优势是已经有了大量的身材和穿搭数据，在天猫app中，好买衣和大量TOP 50的女装品牌达成了合作，提供在线试衣服务。柴金祥告诉雷锋网新智造，目前，使用这个功能，主动输入身材数据并进行穿搭体验的用户，已经达到了480万。这对根据身材推荐衣服有很大的帮助。

　　（好买衣合作的部分品牌）

　　人的脸型、相貌同样对穿搭有讲究，不过，这更是一个更难系统化的问题，好买衣计划的做法是和国内的顶级造型穿搭团队合作，将他们的经验变成行之有效的算法。

　　和虚拟试衣相比，时尚顾问还不够成熟，柴金祥给它打了60分，虽然还要比较长的路要走，但是可以想到，和真正的时尚顾问相比，AI顾问有着难以比拟的优势，“时尚顾问脑海里不可能有1万件服装推荐，我们的系统更powerful。”

　　在未来的市场策略上，好买衣也将从专注虚拟试衣转变为关注全渠道解决方案，一方面，为线上商店提供虚拟试衣服务；另一方面，和品牌方合作打造线下体验店，试衣镜将是一个很好的教育市场的产品，它还可以和手机配合，双屏互动，通过扫码的方式，既可以去线下商店直接购买线上试过的衣服，也可以在手机上继续获得试衣镜中的体验。

　　“线上虚拟试衣，可以帮助品牌方减少退货，并提高用户体验；线下线上联动，能够激活品牌用户的活跃度和会员数。”未来，好买衣还希望接入到服装产业链更深的层次，个性化定制、预售，甚至生产，都可以在虚拟试衣的帮助下变得更科学，“为什么衣服只有4个码？为什么不能做20个码，50个码？”