時尚加速！Google你的專屬模特兒：一鍵體驗虛擬試衣

楊昀蓁
2023-11-30

數位行銷,電子商務,人工智慧,行動智慧
生成式AI、圖像生成、虛擬試穿、行動智慧應用
504
分享

「快時尚」強調低成本、高速生產與即時反應流行趨勢，這類商業模式在過去幾十年中發展迅速，成為全球時尚市場的重要組成部分。而基於這股消費潮流，以及時尚產業對於創意及視覺吸引力的重視，生成式AI技術可以有效改善過去時裝零售的電子商務行銷方式，提升商品行銷效率。

傳統的時尚行銷方式，多以模特兒實穿拍攝展示圖像，往往涉及高昂的成本和時間，包括攝影、後製圖像編輯、版權管理等，這些成本和時間限制了時尚品牌的創新能力和市場擴張速度。另一方面，多數服飾的試穿圖像僅限於特定體型的模特，消費者線上選購服飾時無法看到更符合自身體型及不同角度、動作的試穿效果。

Google購物平台導入生成式AI 提供各膚色與體型試穿圖像

今(2023)年Google Research與華盛頓大學共同研發一款生成式AI模型—TryOnDiffusion，時裝零售商和品牌僅需於Google購物(Google Shopping)刊登少數樣本的模特試穿照，即可生成多樣化的商品展示圖，提供消費者相較於過往AR及VR試穿更擬真、更貼近個人外貌特徵的試穿圖像，從而提升了消費者的線上購物體驗。

過去生成式AI的技術通常只能支援體型及姿勢相近的兩張模特試穿圖像合成，在重視服裝細節或體型姿勢變化上擇一呈現，否則合成圖容易失真。TryOnDiffusion模型透過Google購物的全球數據(Shopping Graph)訓練而成，能將單一服裝試穿圖像套用至系統預設的多種體型(XXS到4XL)、姿勢的真人模特，並且保留原有的服裝細節(貼合度、皺褶、緊貼、拉伸與垂墜感等)，生成呈現自然服裝效果的模特試穿圖像。

圖1：基於較極端身體姿勢和體型差異的圖像生成過程
圖片來源：TryOnDiffusion

圖2：消費者點選「試穿」(try on)，即可於下方真人模特列表中選擇體型(尺寸)，系統就會自動將服飾(garment)與個人(person)疊合生成試穿圖像。
圖片來源：Google Shopping

全球時裝零售商上架實現多元虛擬試穿體驗

根據2022年Precedence Research發表的報告，全球零售業中人工智慧的市場規模在2022年估計為84.1億美元，預計到2030年將達到約457.4億美元。對於顧客遍及全球的時裝零售商和品牌來說，只需在Google的Merchant Center啟用此功能，並刊登試穿圖像後，系統即可於消費者選擇不同體型模特時，自動生成不同模特的虛擬試穿圖像。

目前該功能已經有Anthropologie、Everlane、LOFT、H&M等品牌應用，並適用於美國地區的Google用戶。但目前的TryOnDiffusion版本仍有技術限制，像是僅支援具乾淨背景的產品圖像，及適用於上半身服裝的圖像生成，尚未擴及全身試穿圖合成。