Google применил свои значительные технологические решения для покупок модной одежды, представив новую функцию виртуальной примерки одежды для людей, разработанную с помощью искусственного интеллекта.
Объявленное в среду и доступное через поиск Google, новое средство просмотра продуктов было разработано с использованием генеративного искусственного интеллекта для отображения одежды на широком выборе реальных моделей. По словам компании, цель состоит в том, чтобы позволить потребителям визуализировать одежду, начиная с женских топов, на разных типах телосложения.
«Покупки — невероятно большая категория для Google, а также источник роста для нас, — сказала WWD Мария Ренц, вице-президент и генеральный менеджер по коммерции. «Мы невероятно рады использовать эту передовую технологию для партнерства с продавцами и превратить покупки из транзакционного опыта в действительно захватывающий и вдохновляющий».
На самом деле опыт, ориентированный на потребителя, на самом деле не нов, поскольку многие бренды и розничные продавцы уже предлагают аналогичные инструменты на своих сайтах электронной коммерции с рядом моделей, демонстрирующих, как одежда выглядит на людях разного роста. Основное отличие от средства просмотра продуктов Google заключается в том, как создаются эти визуальные ресурсы, и, как оказалось, это важное отличие.
Ручной подход часто включает индивидуальное фотографирование одного взгляда на множество живых моделей или цифровое наложение блузок или платьев на изображения людей, реальных или поддельных. Первое требует больше времени, усилий и затрат, а второе может выглядеть плоско.
Введите генеративный ИИ.
Google снял ряд реальных моделей, но затем использовал ИИ, проинформированный о своих данных Shopping Graph, чтобы наложить сверху различные цифровые предметы одежды. Эффект заключается в том, что ткань складывается, мнётся, цепляется, драпируется или сморщивается, как и ожидалось на разных фигурах.
Технический гигант разработал инструмент внутри компании и считает, что он может решить фундаментальную проблему в области электронной коммерции в сфере моды.
«Шестьдесят восемь процентов онлайн-покупателей согласны с тем, что трудно понять, как предмет одежды будет выглядеть на них до того, как вы его купите, а 42 процента онлайн-покупателей не чувствуют себя представленными изображениями моделей, которые они видят, — сказала Лилиан Ринкон, старший директор Google по продуктам. «59% недовольны товаром, потому что он выглядит не так, как они ожидали. Вот некоторые из реальных проблем пользователей, которые мы пытались решить».
Компания работала над этой инициативой в течение многих лет, но недавно она добилась успеха, когда добилась прорыва в стабильной диффузии — модели искусственного интеллекта, которая может генерировать изображения или уменьшать визуальный шум, чтобы оттачивать или улучшать их.
«Итак, они строят модель, данные должны быть отточены, и мы измеряем качество результатов по типам телосложения, по ткани, по позам. И все это должно быть тщательно проверено», — сказал Ринкон. «Они решают действительно сложные проблемы компьютерного зрения с геометрией».
В качестве итеративного процесса компания хотела тщательно подойти к разработке и внедрению технологии, сказал Шьям Сандер, менеджер группы продуктов Google, отвечающий за проект, отметив, что в прошлом году разработчики общались с более чем дюжиной модных брендов. пытаясь узнать больше об их болевых точках и проблемах.
Google обучил свои модели ИИ в соответствии со своим графиком покупок — массивным набором данных о коммерции, охватывающим более 35 миллиардов списков — учел отзывы брендов, а затем переобучил модели ИИ. Было решено двигаться потихоньку, начав с женских топов. Но поскольку он уже захватил моделей-мужчин, он может легко распространиться и на мужскую одежду. Он также делал снимки в полный рост в различных позах, что облегчило его распространение на другие категории продуктов, такие как юбки и брюки.
Планов по переходу на детские товары нет, по крайней мере, пока, и в своем нынешнем виде средство просмотра продуктов с искусственным интеллектом не может автоматически учитывать различные типы тканей.
Любезное фото
Однако Сандер ясно дал понять еще один важный аспект опыта примерки: «Это не предназначено для подгонки. Это должно помочь вам визуализировать, как будет выглядеть продукт. Так что это не будет точным подходящим инструментом.
«Сказав это, я скажу вам, что мы сделали: когда мы записали [the data around] Для этих моделей мы сделали замеры всего тела, а затем начали классифицировать их по размерам», — сказал он. «Мы посмотрели на измерения, посмотрели на таблицы размеров всех этих брендов — я думаю, это было от семи до 10 брендов. Итак, мы знаем, что эта модель в данном случае будет носить одежду определенного размера для этих брендов. Это довольно статистически значимые данные».
Виртуальная примерка дебютирует как функция Google Merchant Center, поэтому ее можно применить к любому изображению продукта или онлайн-каталога, связанному с этими учетными записями.
Это означает, что на момент запуска этот опыт доступен для сотен брендов, включая Everlane, H&M, LOFT и Anthropologie.
Для Google было еще одно важное соображение при разработке этой функции — и оно не имеет ничего общего с технологиями.
«В частности, для виртуальной примерки мы получили много отзывов: «Эй, мы действительно хотим, чтобы опыт был максимально реальным и реалистичным. И на самом деле, мы хотим, чтобы вы использовали настоящие модели. Так что это была одна из вещей, которым мы уделили приоритетное внимание», — сказал Ринкон, добавив, что в его линейке представлены разные фигуры, этническое происхождение и оттенки кожи в соответствии со шкалой тона кожи монаха, 10-градусной шкалой, которую Google использует во всех сервисах для обеспечения репрезентативности.
Это важно, особенно в связи с тем, что отрасли стоят на пороге нового бизнес-ландшафта, основанного на ИИ. По мере расширения возможностей на первый план выходят новые нюансы, поскольку компании учатся находить баланс между людьми и ботами.
В эпоху, когда легко создать целый ряд ИИ-моделей вместо того, чтобы нанимать разнородный набор людей, технических проблем может стать меньше. Но человеческая проблема, возможно, только начинается.
