建議可以包括調整諸如選擇無袖頂部或更長的外套。

德克薩斯大學奧斯汀分校計算機科學教授克里斯汀·格勞曼(Kristen Grauman)說：“我們認為這就像是一個可以給您反饋的朋友。”他以前的研究主要集中在人工智能的視覺識別上。

“這還受到一個實際想法的激勵：我們可以與給定的服裝一起進行小的更改，這樣會好一點。”

名為Fashion ++的工具使用視覺識別系統來分析圖像中服裝的顏色，圖案，紋理和形狀。它考慮了編輯將在哪些方面產生最大的影響。然后，它為用戶提供了幾種替代服裝。

研究人員使用超過10,000張服裝圖片在在線網站上為時尚愛好者公開分享了對Fashion ++的培訓。研究生金伯利·蕭(Kimberly Hsiao)說，找到時尚服裝的圖片很容易。尋找不時髦的圖像被證明是具有挑戰(zhàn)性的。因此，她想出了一種解決方法。她將時尚服裝的圖像混合在一起，以創(chuàng)建不太時尚的示例，并對系統進行了不穿衣服方面的培訓。

Hsiao說：“隨著時尚風格的發(fā)展，AI可以通過為其提供新的圖像來繼續(xù)學習，這些圖像在互聯網上非常豐富。”

正如在任何AI系統，偏壓可以通過數據組時裝++蠕變英寸研究人員指出，老式的外觀很難被識別為時尚的，因為訓練圖像來自互聯網，互聯網僅在1990年代才被廣泛使用。此外，由于提交圖像的用戶主要來自北美，因此來自世界其他地區(qū)的樣式顯示不多。

另一個挑戰(zhàn)是，模特身上會出現許多時髦的服裝圖像，但身體卻有多種尺寸和形狀，影響著時尚的選擇。下一步，Grauman和Hsiao正在努力讓AI了解什么能使不同的身體形狀變得討人喜歡，以便可以更加量身定制其建議。

“我們正在研究一個人的身體形狀與衣服如何適應他們之間的相互作用。通過這項研究，我們很高興能擴展到各種身材和體形的人的適用范圍。”

Grauman和Hsiao將在下周于韓國首爾舉行的計算機視覺國際會議上發(fā)表有關其方法的論文。

來自康奈爾科技大學，喬治亞理工大學和Facebook AI Research的其他研究人員為這項工作做出了貢獻。