场景描述：对很多人来说，服装穿搭是一项高难度技巧。无论上班、出席会议，还是约会、休假出游，大家都会被「该穿什么」难倒在衣柜前。Facebook 最新推出 AI 时尚造型师 Fashion ++，帮你在不必买买买的情况下，充分利用现有服装，穿出更时尚的效果，秒变时尚达人。
关键词：Fashion ++， 时尚穿搭，神经网络
早晨起来，洗漱完毕，化上美美的妆，然后在电脑屏幕上点击「向左」、「向右」键，看着画面上的服装来回切换组合，挑中一套中意的搭配，点击「Dress Me」（试穿），屏幕上就会显示虚拟人像穿上所选服装的效果。今日出门的行头就这样轻松搞定了。
这是电影《独领风骚》（《Clueless》）中的一个片段，时尚的女主 Cher Horowitz，拥有一个虚拟造型师，通过这个虚拟造型师，她可以预览自己的衣服搭配效果，并挑选一套自己最喜欢的穿搭方案。
如今，电影里的黑科技场景，已经被 AI 技术变为现实，而且还有所超越。
Facebook 最新推出的个性化服装穿搭推荐模型 Fashion ++，能通过算法，对现有服装进行巧妙的穿搭调整，让其显得更加 fashionable，即使是穿搭小白，也可以瞬间变身时尚达人。
AI 造型师：穿搭技巧信手拈来
每天最令都市男女纠结的问题不止是「今天该吃什么？」，还有「今天该穿什么？」
每次出门前，都把衣柜里的衣服各种排列组合，却还是不知道哪套搭配最好看、最合适。于是广大女性朋友得出一个结论：「女人的衣柜里，永远缺一件衣服」。
- 挑一件合适的衣服出门真是耗时又耗力
最近眼看着国庆长假在即，要去游山玩水拍各种美照的你，是不是又觉得衣柜里缺衣服了？事实上，你缺的也许并不是衣服，而是一个穿搭指导。
其实，同样的一件衣服，会因为不同的穿着方式，比如多一条丝巾或者卷起袖子，就产生大大不同的效果。
- 同样的衣服，只因为上衣塞进裤腰,就产生完全不同的视觉效果
虽然如今坐拥大批粉丝的各大时尚博主能为穿搭手残党解忧，但他们往往最终导向还是「买买买」。
Facebook 近期推出的时尚穿搭推荐模型 Fashion++，则并不鼓励剁手，它会充分利用用户现有服装，通过改变穿着方式（比如卷起衣袖，或塞进裤腰等），对搭配进行调整，从而得到用户最喜欢的造型。
Fashion ++ 模型由一个深度图像生成神经网络构成，该神经网络以对每件衣服的编码为条件识别并学习合成服装。编码根据衣服形状和纹理显式分解，从而允许分别对合身程度和颜色/图案/材料进行直接编辑。
最终实验表明，Fashion ++ 根据自动化指标和人们的意见，提供了成功的穿搭建议，而且这些建议很容易实施。比如：换一件新衣服；调整颜色、穿着方式 （比如卷起袖子）或尺寸（比如，让裤子更宽松一些）。
AI 系统如何修炼为穿搭指导？
法国先锋时装设计师可可·香奈儿有句名言：「Before you leave the house, look in the mirror and take one thing off.」这句话对时尚界产生了深远影响。其言下之意是，无论是取下一件配饰，或是摘掉帽子等，细微的调整都可以使现有服装更加时尚。
正是该理念给了 Fashion ++ 团队灵感，他们因此引入了新的计算机视觉挑战：希望通过算法对服装/配饰进行微调，而改善整体时尚性。
- 服装搭配微调前后的效果对比,（图左与图右分别为微调前与微调后）
该项目具体内容包括：服装生成框架，从网络图片中学习判断时尚性，编辑服装搭配并输出结果。
Fashion ++ 服装生成框架
- Fashion ++ 框架概览
初始服装 x 的文本特征 t 与形状特征 s，经过初步编辑，再由编辑模块 F++ 编辑后生成新的文本特征与形状特征 t++ 与 s++。
之后，生成器 Gs 将新特征反馈至 2D 语义分割模型，最终由生成器 Gt 生成编辑后的新服装搭配效果 x++。
Fashion ++ 时尚性分类器
团队将给定的整套服装的组成部分（如包、上衣、靴子），映射到它们各自的代码。然后，使用一个有辨别力的时尚性分类器，该分类器在被公认为时尚服装的 12744 张公开图像上进行了训练。
并且，团队还通过将时尚示例上的服装，与最不相似的服装交换，来引导反面示例。
在训练时尚性分类器时，团队考虑到，也许理想的训练集应该由这样两组图片组成：每组图片中都是同一个人，穿着略有不同的服装，其中一组被公认比另一组更时尚。然而，他们认为这样的数据集不仅不适合大规模策划，而且会随流行元素演变而过时。
另一种设想的方法是，将来自特定群体（如名人）的一组图像视为正面的范例，而将另一组图像视为负面的（如日常行人）。但是，他们发现这样的数据集会导致身份和风格的混淆，因此分类器会发现这两组之间与时尚无关的一些属性的区别。
因此，他们提出从时尚服装的网络图片中，自动选出不那么时尚的照片。其主要理念是从时尚达人的照片中创造出「不时尚」的服装，以训练模型辨别能力。
- 图左为时尚示例（pos），经模型编辑后,生成右图的反面示例（neg）
他们从 Chictopia （在线时尚社交网站）上面的一张全身服装照片开始，选择其中一件进行修改，然后用另一件不同的衣服替换它。为了增加替换衣服降低时尚感的可能性，他们从一套与原衣服最不相似的衣服中提取了一件。
利用这些数据，团队训练出了一个 3 层的多层感知器（MLP）时尚分类器。通过训练这些分解（到服装）和形状和纹理编码的时尚分类器，一个简单的 MLP 可以有效地捕捉微妙的视觉特性和复杂的服装协同作用。
编辑搭配并输出结果
训练好分类器后，系统会逐渐更新服装，以使其更时尚。团队利用 15930 张图片训练了生成器。
该生成器由图像生成神经网络，使用变体自动编码器生成轮廓，并使用条件生成对抗网络（cGAN）生成颜色和图案，从而呈现新调整的外观。
- Fashion ++ 不断迭代编辑结果，直到最终达到系统认为足够时尚的结果（横轴为时尚性平均分数）
为了同时考虑到衣服的图案/颜色和形状/合身程度，他们将每件衣服的编码分解为纹理和形状组件，允许编辑模块控制在哪里和改变什么(例如，在保持样式的同时，调整衬衫的颜色，或者，改变领口或把它塞进裤腰)。
在优化编辑后，模型以两种格式提供其输出，第一种是从库存中检索最能实现其建议的服装，第二种则是根据修改过的服装编码，绘制出同一个人在调整过的外观中的效果图。
- Fashion ++ 在服装颜色/图案上的编辑更新示例
团队使用 Chictopia 的时尚图片数据集验证了其方法，并通过自动化度量和用户研究，证明它可以成功地生成最少的服装编辑，而且优于基准线。
Facebook 相信，Fashion ++ 将通过调整现有服装而不是剁手花更多的钱，来帮助人们使用一个应用程序学会时尚穿搭。
学会穿搭，做街上最靓的仔
人们自古都追求时尚，怎样穿得更美是永恒不朽的话题。正因如此，我们才看到国内外从古至今服装样式的不断更迭。
- 中国古代走在时尚前沿的贵妇们
有人认为，时尚是艺术，有人认为时尚是快乐，无论怎样，时尚都是美的一种象征。每个人都希望变得时尚，甚至引领时尚。
现代，打扮得时尚已经不仅仅是出于「女为悦己者容」的目的，更是为了自我的表达。
所以，已经做好黄金周出行规划的你，是否还在纠结该不该带这条丝巾？这条裙子和这个衬衫搭不搭？怎样穿才能不淹没在人从众中？
有了 Fashion ++ 这个免费个人服装造型师，这些问题应该都不是事儿了。赶快拥抱科技，拥抱 AI，说不定，下一个时尚博主就是你。
