Виртуальная примерка одежды: Виртуальные примерочные — ближайшее будущее шопинга / Школа Шопинга

Виртуальные примерочные — ближайшее будущее шопинга / Школа Шопинга

Виртуальные примерочные – инструмент уже давно не новый, но до сих пор не получивший должного признания.

Однако в текущих реалиях (карантин, самоизоляция) те, кто уже успел приручить VR (виртуальная реальность) и AR (дополненная реальность), получают значительное преимущество.

ЧТО ТАКОЕ ВИРТУАЛЬНАЯ ПРИМЕРОЧНАЯ

Технологию виртуальной примерочной одним из первых стал использовать японский бренд Uniqlo еще в 2012 году. Тогда примерочные в магазинах марки снабдили ЖК-экранами с дополненной реальностью. Клиенты магазина могли выбрать вещи из каталога и «примерить» их на своем отражении.

С развитием технологий и появлением смартфонов, для брендов стало актуально создание приложений, которые помогли бы клиентам создавать собственные 3D-модели и «примерять» вещи онлайн, не выходя их дома.

Converse уже давно предлагали посмотреть, как будут выглядеть их кеды на вашей ноге.

Виртуальной примеркой обуви славится и белорусская стартап-платформа Wannaby, которая создала приложение Wanna Kicks. В ассортименте компании представлено несколько брендов, а используя камеру, можно подобрать обувь к вашему наряду.

Эту же технологию внедрили в своем приложении Gucci. Итальянский бренд предлагал примерить кроссовки из новой коллекции, а затем приобрести их через свое официальное приложение.

Интересно, что H&M еще в 2006 году запустил функцию виртуальной примерки. Тогда на сайте можно было создать диджитал-модель, подобрав параметры по своей фигуре, и начать примерять вещи из ассортимента магазина. Но из-за низкого спроса на технологию, компания отказалась от его использования.

В России сегодня большой популярностью пользуется виртуальная примерочная Lamoda (по крайней мере, ее обширно рекламирует сам интернет-магазин). Сначала компания запустила проект с примерочными, которые располагались прямо на улице. Рекламные щиты можно было активировать, подняв руки вверх. Тогда на экране появлялось лицо человека, а на нарисованное тело можно было примерить несколько образов, составленных стилистами Lamoda.

В 2019 году компания прибегла к тому же минскому стартапу: в приложении Lamoda появилась функция примерки кроссовок.

ЗАМЕНИТ ЛИ ВИРТУАЛЬНАЯ ПРИМЕРКА РЕАЛЬНУЮ?

Очевидно, что такой шопинг не заменит физический. Большинство существующих приложений пока не гарантирует того, что одежда или обувь вам подойдет. Самые функциональные и действительно полезные – использующие 3D-модели: когда вы загружаете свое изображение или создаете максимально приближенный к вашей фигуре и параметрам аватар. Так вы можете увидеть, как приблизительно будет сидеть на вас тот или иной предмет гардероба, как можно миксовать и комбинировать вещи, с какой обувью и аксессуарами сочетать. Однако, пока никто из крупных игроков на рынке в полной мере не используют эту функцию, возможно из-за больших затрат и низкого доверия потребителя.

Интересно, что плюсы использования виртуальных примерочных получает и сам магазин: в компанию поступает информация о реальных размерах и предпочтениях клиентов, которые потом могут использоваться для формирования ассортимента интернет-магазина.

Да, сейчас наличие виртуальной примерочной, скорее, развлечение, чем реальный инструмент, но это, конечно, временно.

Могли ли мы 15 лет назад представить, что будем общаться по FaceTime со своими друзьями? Нет. То же самое, уверена, очень скоро произойдет и с примеркой одежды. Весь мир переходит в онлайн, а шопинг стремится туда быстрее всех. И это логично.

Поэтому, сохраните эту статью и перечитайте её через пять лет, когда будете заказывать себе понравившуюся вещь в магазине, заранее зная, как она на вас сядет:)

Виртуальная примерочная (цифровая примерочная) 5КармаNов

Виртуальная примерочная (цифровая примерочная)

Для удобного и правильного выбора размера нашим покупателям нет необходимости изучать размерные таблицы — достаточно нажать на кнопку и ввести параметры своего тела.

Каждый наш покупатель получает:

• подбор наиболее подходящего лично ему размера;
• визуализацию и описание посадки вещи на каждом участке его фигуры;
• комфортный онлайн-шоппинг с уверенностью в размере.

Что такое виртуальная примерочная?

Это инновационный SaaS-сервис от компании AstraFIT используемый в нашем интернет-магазине, который помогает выбрать наиболее подходящий размер для конкретного изделия.

КАК НАЧАТЬ ПОЛЬЗОВАТЬСЯ ВИЗУАЛЬНОЙ ПРИМЕРОЧНОЙ

Зайдите в карточку понравившегося изделия, в карточке присутствует кнопка «Примерить онлайн»

p.s. если вы не увидите этой кнопки, значит мы еще делаем замеры…

При нажатии этой кнопки, в первый раз, вам будет предложено замерить и ввести параметры своего тела, это делается один раз.

Во время измерения параметров мы подскажем и покажем, как правильно это сделать!
Вооружитесь сантиметровой лентой и измерьте себя, введите запрашиваемые параметры вашего тела с максимальной точностью.

После ввода параметров виртуальная примерочная подберет для вас наиболее подходящий размер, покажет балл, визуальную модель и описание посадки данного изделия на каждом участке вашей фигуры.

С этого момента кнопка «Примерить онлайн» преобразуется и на каждой кнопке вам будет предложен наиболее подходящий размер и оценка, насколько он вам подходит по десятибалльной шкале. Баллы на кнопке показывают на сколько баллов из десяти вам подойдет то или иное изделие в наиболее подходящем размере, 10 баллов – размер подобран идеально!

ТОЧНОСТЬ ПОДБОРА РАЗМЕРА

Наша виртуальная примерочная разработана на основе тщательного тестирования огромного количества разнообразных моделей в разных размерах на реальных покупателях.

Если у вас есть сомнения в рекомендованном размере, вы всегда можете открыть вкладку “Замеры изделия” в окне визуальной примерочной и сравнить параметры изделия с похожим изделием из своего гардероба.

Все изделия из нашего ассортимента замерены для вас вручную!

бывшие сотрудники Google и «Яндекса» разработали AR-сервис для ритейлеров и привлекли $2 млн — Истории на vc.ru

С помощью технологий дополненной реальности в приложениях Wannaby можно «примерить» кроссовки и «попробовать» лаки для ногтей.

35 526 просмотров

Компания Wannaby разрабатывает технологии компьютерного зрения и рендеринга, чтобы пользователи могли «примерить», как товары из онлайн- и офлайн-магазинов будут смотреться на теле.

В 2018 году стартап привлёк $2 млн от инвестиционных компаний Bulba Ventures и Haxus. За год команда выпустила два мобильных приложения по AR-примерке: Wanna Nails позволяет сравнивать цвета лаков для ногтей на руках, а Wanna Kicks — смотреть, как выглядят разные модели кроссовок на ногах.

Занимается этим белорусская команда во главе с тремя основателями: экс-инженером Google Сергеем Архангельским, бывшим разработчиком «Яндекса» Арсением Кравченко и Дмитрием Пылило, программистом стартапа Aimatter.

Сергей Архангельский рассказал, почему решил оставить корпоративную карьеру в Google, о технологиях Wanna Kicks и монетизации проектов.

Стартап в Минске вместо офиса в Калифорнии

Я работал в Google 10 лет — первые восемь лет в московском офисе и ещё два года в Калифорнии. В 2017 году вернулся обратно в Москву и через некоторое время поехал работать в Wannaby, которая находится в Минске.

В калифорнийском Google я работал в команде поискового ранжирования и был состоявшимся профессионалом. Но хотел заниматься собственным проектом — Wannaby стала для меня именно таким. Всего в команде три сооснователя — я, Арсений Кравченко и Дмитрий Пылило.

Сергей Архангельский

С другими сооснователями меня познакомил Юрий Мельничек — основатель картографического сервиса Maps.me и создатель инвестиционной компании Bulba Ventures. Мы общались — и я был в курсе дел компании, но полностью присоединился к команде только летом 2018 года.

Уходить из крупной корпорации было страшно, но когда делать что-то своё, если не сейчас? К тому же корпоративная карьера в Google для меня не закрыта — при желании я могу вернуться или пойти в другую компанию.

В том же году Bulba Ventures совместно с фондом Haxus вложила в Wannaby $2 млн. На эти деньги мы работаем до сих пор — развиваем технологию, платим за аренду офиса, а также за сервера, которые используем для обучения наших нейросетевых моделей.

Виртуальная примерочная

Идея в том, что дополненная реальность может по-новому изменить электронную коммерцию. Позволяя примерять вещи в дополненной реальности, мы разрушаем барьеры между офлайн- и онлайн-покупками.

Один из главных недостатков покупки одежды или обуви через интернет в том, что покупатель не может примерить товар не себе — у него есть только картинка и в лучшем случае видео. Вы не можете никак повзаимодействовать с вещью — сравнить, подходит ли выбранный цвет к вашей коже или одежде.

Изначально мы думали, на какую часть тела нацелить разрабатываемую технологию примерки в дополненной реальности — проводили исследования, общались с ритейлерами. Самая очевидная ниша — лицо и губы — уже были освоены конкурентами. Примерить очки или макияж разных цветов можно даже с помощью технологий от Apple и Google.

Другое дело создать технологию для примерки одежды или аксессуаров на руках и ногах — это показалось перспективным. Мы начали с ногтей и рук, потому что вдохновлялись опытом компании ModiFace, которую купила компания L’Oreal, по слухам, за очень большую сумму. Показалось, что ассортимент товаров, которые можно примерять на руках, достаточно велик — кольца, браслеты, часы.

Мы решили работать над технологией по примерке лаков для ногтей, и в мае 2018 года мы запустили Wanna Nails. Как впоследствии оказалось, рынок лаков для ногтей не очень большой. Если бы мы собрали обратную связь с рынка прежде, чем заняться разработкой, то сэкономили бы несколько месяцев.

В дальнейшем мы нашли способ, как протестировать подобную идею без предварительной разработки программы. В самом начале работы над нашим вторым приложением Wanna Kicks мы сделали видеоролик — показали, как мог бы выглядеть сервис. Видеоролик представили брендам и ритейлерам как рекламный прототип идеи. Отзывы были позитивными, поэтому решили работать над технологией примерки кроссовок.

Технология

Техническую задачу по Wanna Kicks можно разделить на три части.

Первое — позиционирование ноги. То есть по снятому видеопотоку нужно понять, как расположена нога, под каким углом, насколько далеко от камеры. В этой части задействован специальный алгоритм, который определяет положение ноги. Он полностью основан на нейросетях, и технологию его работы мы не можем разглашать.

Когда изображение обработает нейросеть, за дело принимается дополнительный алгоритм постобработки, который компенсирует результат нейросети. Это наши уникальные разработки, поэтому мы можем говорить о них лишь в общих чертах.

Чтобы позиционирование ног было максимально точным, мы сформировали отдел разметки. Он собирает фотографии человеческих ног, анализирует их и улучшает разметку в приложении. За счёт этого улучшается качество посадки виртуального кроссовка на ноге.

Когда мы определили положение ноги, нужно понять, какая часть кроссовка скрыта ногой и не должна быть видна на экране. Если мы просто нарисуем кроссовок и поместим его поверх ноги, будет выглядеть, будто кроссовок стоит перед ступнёй, а не надет на неё.

Если включить камеру в приложении и поводить ногой в разные стороны, замечаешь, как некоторые части кроссовка пропадают из виду. Мы называем этот процесс затенением.

Третья задача — рендеринг (отрисовка) кроссовка. Мы много внимания уделяем тому, чтобы обувь, изображенная в приложении, выглядела максимально реалистично.

Для этого мы разработали собственный движок отрисовки PBR (physically based rendering). Он старается физически правильно отрисовать обувь — учесть параметры светоотражения и рассеивания света.

Во время моделирования кроссовок мы также помечаем, из какой ткани сделаны разные его части — указываем движку, что подошва сделана из резины, верх обуви — из ткани, носок — из кожи или металла. Это нужно, потому что в реальности ткань выглядит по-разному, например, металлические части и лакированная кожа отражают цвет, а замша — рассеивает.

Сами модели мы делаем так: берём физический кроссовок и фотографируем его в студии с разных ракурсов — от 200 до 300 раз. Затем используем софт стороннего производителя, который применяет алгоритм фотограмметрии (определение форм, размеров и положения объектов по их фотографиям — vc.ru). Мы пропускаем снимки через фотограмметрию, алгоритм их склеивает и создаёт трехмерную модель — с текстурой и объёмом.

Результат фотограмметрии всё равно выглядит не слишком точно, поэтому мы дорабатываем 3D-модель в автоматическом и ручном режимах.

Сложности разработки

В разработке сложнее всего было понять, как подходить к задаче. Мы понимали, чего хотим, но не знали, как это сделать. Несколько недель потратили только на исследовательскую работу — читали статьи, ставили эксперименты.

С ногтями был сложный момент — было непонятно, как переносить цвет на ногти. Если закрасить ногтевую пластину одним цветом, будет казаться, что в ногтях просто какие-то цветные дырки. Большая часть нашего ноу-хау по ногтям — это алгоритм перекраски. Команда инженеров много экспериментировала, но результат всё равно оставался неудовлетворительным. Затем мы познакомились с сотрудниками научной лаборатории, которые занимались цветопередачей.

Они подробно объяснили, как это работает, и тогда мы смогли создать алгоритм перекраски, который нас удовлетворил и до сих пор работает. Преимущество алгоритма в том, что он хорошо передаёт цветные блики, за счёт чего ногти с лаком выглядят натурально.

В июне 2018 года приложение Wanna Nails стало продуктом дня и продуктом недели на Product Hunt. А в конце года мы выиграли приз Golden Kitty Awards, как лучший проект в категории AR.

Но мы быстро поняли, что рынок лаков достаточно маленький, нужно было решать, что делать дальше и в какую сторону двигаться. Это был сложный момент — всю нашу стратегию пришлось поставить под сомнение.

Тогда мы на две недели уехали всей командой на хакатон: сняли дом на Кипре, пробовали новые идеи, пытались встряхнуться и взглянуть на наш проект с другой стороны.

Мы были готовы заняться виртуальной примеркой колец на пальцах, но всё-таки решили остановиться на примерке кроссовок — эта тема показалась нам более интересной.

Кольца — это для более зрелых людей, а кроссовки в тренде. Мы провели анализ рынка — потратили время, оценивая, что можем получить, если создадим виртуальную примерку колец, косметики или обуви. В конце концов решили, что у технологии примерки обуви самый перспективный финансовый потенциал.

Наше решение основывалось на нескольких критериях — объёме рынка, количества продаж обуви в год через офлайн- и онлайн-каналы, а также реакции брендов и ритейлеров, с которыми мы общались.

С технической точки зрения виртуальная примерка кроссовок на порядок более сложная задача, чем смена цветов лаков на ногтевой пластине. Готовых решений не было — мы с командой учились вместе: раз в неделю собирались на час и делились друг с другом знаниями.

Команда

Команда Wannaby поделена на две части: первая занимается научно-исследовательской работой, придумывает алгоритмы и обучает нейронные сети. А вторая — воплощает заданные алгоритмы на мобильных телефонах. Всего у нас около 23 сотрудника — больше всего инженеров

Офис компании находится в Минске, с поиском кадров помогла репутация наших инвесторов — все знают, что Bulba Ventures и Haxus не будут вкладываться в непонятные проекты.

Команда Wannaby

Также наш сооснователь Арсений Кравченко — неформальный лидер и организатор Open Data Science в Белоруссии — проводит мероприятия и знаком со многими инженерами. Но уже сейчас о нас много написали в СМИ, разработчики сами к нам обращаются — предлагают сотрудничать.

Продвижение

В конце января 2019 года мы запустили приложение Wanna Kicks. Всего на разработку технологии ушло 6 месяцев. Запуск по кроссовкам превзошёл все наши ожидания — за первые четыре дня мы собрали 100 тысяч установок, а за месяц — 240 тысяч.

На сегодняший день запуск приложения — наше лучшее вложение в развитие на b2b- и b2c-рынках. Маркетинговый бюджет компании был минимальный.

Мы не платили за нативную рекламу в СМИ, но вышли на журналиста TechCrunch и смогли заинтересовать его нашей технологией. Он написал о нас историю, а дальше её перепечатали другие зарубежные издания, в том числе и сникерхедские.

Кроме того, Белоруссия — небольшая страна, про нас узнали местные СМИ и вскоре рассказали про приложения даже на государственных телеканалах.

Однажды мы заметили всплеск активности из Германии — оказалось, что компания Vodafone включила нашу компанию в свой обзор технологических новинок. В Швейцарии история о нас вышла на титульном листе газеты, которая раздаётся в общественном транспорте. Совершенно точно есть какой-то вау-фактор, который заинтересовал людей.

Когда долго над чем-то работаешь, начинаешь воспринимать своё дело как должное, и в глаза бросаются только недостатки. А люди со стороны замечают больше достоинств технологии, очень удивляются и радуются. Благодаря этому мы пока хорошо продвигаемся органически.

Монетизация и сотрудничество с брендами

Основной расчёт по монетизации — применять наши технологии на площадках других компаний, а не только в приложениях Wannaby. Наши разработки — это новый опыт, который бренды могут предложить клиентам.

Также мы хотим внедрить технологию не только в приложениях брендов, но и в офлайн-точках продаж.

Например, вы приходите в магазин обуви и перед примеркой можете посмотреть, как выглядит десяток-другой разных моделей кроссовок на вашей ноге. А если в магазине есть только один цвет выбранной вами модели, вы можете заглянуть в приложение и примерить другой цвет.

Сейчас мы ведём переговоры с небольшой датской сетью магазинов кроссовок. Возможно, вскоре будем делать что-то подобное с ними.

Пока из сотрудничеств с крупными компаниями можно отметить наше партнёрство с Adidas Russiа — мы запустили в нашем приложении модель Ultra Boost 19. Ребята настроены сотрудничать с нами дальше, чтобы в приложении появлялись новые топовые модели кроссовок. Можно было бы запустить и все модели — но всё-таки у компаний и покупателей самый большой интерес вызывают новые модели.

В сентябре 2018 года мы также сделали совместный проект с косметической компанией Orly, они представили новую коллекцию лаков в нашем приложении — девушки смогли зайти и попробовать заранее разные лаки.

Стоимость внедрения нашей технологии зависит от многих факторов, например, сколько потенциальных клиентов у компании-клиента и так далее. Могу сказать, что похожие проекты по примерке макияжа брали от брендов от $100 тысяч до $200 тысяч в год.

Нам также написало много маленьких брендов — из Америки, Франции, Японии и Италии, которые предлагали добавить их ассортимент в приложение, а взамен делиться процентом от прибыли. Но мы понимаем, что пользователи хотят видеть скорее какие-то известные бренды — Nike, Adidas, Reebok.

В последней версии приложения у нас появились кроссовки калифорнийского бренда Allbirds. Мы сотрудничаем на безвозмездной основе, потому что обувь понравилась.

Планы на будущее

Сейчас мы не занимаемся Wanna Nails — только поддерживаем и улучшаем интерфейс, но технологию не развиваем. Силы сосредоточены на Wanna Kicks, потому что в нём мы видим больше потенциала.

В дальнейшем планируем делать пилотные проекты с компаниями, брендами, ритейлерами и запускать коммерческую эксплуатацию. Но сначала нужно много сделать для улучшения самой технологии — ускорить процесс моделирования и так далее.

Конечно, мы думаем о разработке технологии для виртуальной примерки одежды. Но пока не можем ответить на главные вопросы:

• Как это должно выглядеть с продуктовой точки зрения?
• Это нужно делать с помощью зеркала для примерки?
• Как сканировать всё тело с помощью телефона и сделать этот процесс удобным для пользователей?

А руки и ноги можно легко отсканировать с помощью фотокамеры, поэтому с лаками и кроссовками таких вопросов не возникало.

Онлайн примерочная: сайты для подбора одежды и гардероба

Мы выбрали несколько ресурсов, которые работают как онлайн-примерочные. Расположены они в случайном порядке, без ранжирования. 

Примерочная Glamstorm.com

Фактически glamstorm.com — это просто удобная игрушка: можно выбрать вдохновляющий фон, модель нужного роста и комплекции, выбрать ей макияж с прической и составить несколько комплектов, прикинуть возможные сочетания типичных для масс-маркета вещей, принтов, оттенков. Проверено: это помогает в прогулке по магазинам — берешь легинсы или чиносы и сразу представляешь, какой топ к ним подойдет.

Минус — почти все это богатство доступно только после регистрации на сайте, а часть и вовсе только после премиум-подписки. Обойдется аккаунт в 3 евро. Еще один грустный момент — одежда и обувь в GlamStorm только кажется доступной к покупке: в приложение загружены коллекции 2015 года, которые давно распроданы.

Примерочная Павлопосадские платки

Нет, мы серьезно: на сайте Павловопосадские платки есть онлайн-примерочная. Как можно догадаться, раз это сервис одного бренда, примерить тут можно только платки. Хорошая новость — количество платков в примерочной стремится к бесконечности, а еще можно загрузить собственную фотографию. Понравившийся вариант можно посмотреть в каталоге и купить.

Примерочная Showroom

Вообще-то это не совсем примерочная: showroom.onvolga — сайт организации, занимающийся созданием подобных сервисов для интернет-магазинов. Зато нам, простым смертным, доступны несколько версий примерочных: на улыбающуюся модель (ее выбираем только из предложенных сервисом) можно надеть как деловой костюм, так и свадебное платье или вовсе примерить прически и украшения. Последнее нам особенно понравилось: ну когда еще сможем нацепить на тридцатилетнего мужчину безумную шляпу или корону принцессы, чтобы он при этом продолжал нам спокойно улыбаться?

Примерочная Центральная оптика

Несложно догадаться, что предлагают примерить в Центральной Оптике. Загружаете свое фото и надеваете хоть обычные, хоть солнцезащитные очки. Примерить оправу можно и на себя, и на мужа, и на ребенка — все очки разделены по категориям. Существенный минус — очень мало оправ для примерки, а половина тех, что есть, устарели лет 5 назад.

Примерочная Ecco 

А вот теперь шутки в сторону: именно такой должна быть виртуальная примерочная в 2019 году, как сайт Ecco. Никаких кривоватых 2D-моделек и сомнительной практичности — полностью индивидуальный подход и ясная цель. Обувной бренд Ecco предлагает подбирать идеально подходящую вам обувь онлайн.

Для этого нужно скачать на смартфон приложение «Примерочная Ecco и следовать краткой видеоинструкции — процесс сканирования ваших ног занимает всего несколько минут. После этого приложение создает наглядную 3D-модель ноги, учитывая полноту, высоту взъема и прочие измерения. Примерить можно любую модель из каталога бренда, а потом заказать ее доставку или зайти в ближайший магазин. Приложение досупно на IOS и Android, поддерживает семейный доступ — использовать его могут до 6 человек одновременно.

Больше материалов о моде:

Виртуальная примерочная в OpenCV / Блог компании Intel / Хабр

Было ли у вас такое, что в интернет-магазине понравилась какая-нибудь вещь, но не хочется покупать ее, не примерив? Конечно, в некоторых магазинах есть возможность примерить одежду после заказа перед оплатой. Однако по статистике каждый год доля онлайн-заказов в интернет-магазинах одежды и обуви растет, но также растет и доля возвратов, она составляет 50–70% — это огромные затраты на логистику, которые можно будет значительно сократить, используя онлайн-примерочную. Представьте, вы загружаете свою фотографию, выбираете одежду и она переносится на ваше изображение. Уже существуют виртуальные примерочные обуви, они работают достаточно успешно. Некоторое время назад нас заинтересовала эта тема, как обстоят дела с одеждой? Такие работы тоже существуют, но успешных гораздо меньше, во многих из них кроме статьи найти ничего не удается, о рабочем примере остается только мечтать. Мы решили исправить это и поддержать одну из сетей в библиотеке OpenCV. Что из этого вышло можете увидеть в virtual_try_on.py sample.

Результат не идеален, но в данной области считается достаточно хорошим.

Хотите узнать как работает виртуальная примерочная и с какими сложностями мы столкнулись при интеграции модели в OpenCV — добро пожаловать под кат!

Мы выбрали нейронную сеть 2019 года CP-VTON с достаточно хорошим визуальным результатом. По сравнению с аналогами CP-VTON интересна тем, что она достаточно точно может передать форму одежды в сгенерированном изображении, а также при передаче не теряются особенности одежды (рисунок, логотип и текстура). Некоторые аналогичные сети используют 3D модели человека, для получения которых требуется 3D-сканер. Этот факт существенно сокращает области применимости модели. Также большим плюсом является наличие кода на github. Но авторы CP-VTON в репозитории приводят только скрипты для тренировки и тестирования, нет никакой демки, чтобы попробовать сеть на своих фотографиях.

Мы натренировали сеть самостоятельно и выложили ее в открытый доступ.

Принцип работы

Модель CP-VTON состоит из двух подмодулей: GMM (Geometric Matching Module) — модуль для деформации одежды в соответствие с позой человека и TOM (Try-On Module) — модуль для переноса деформированной одежды на изображение человека.

Для тренировки GMM требуется тройка , а для TOM — , — изображение человека, — изображение одежды, — выход GMM, — ground truth (человек в одежде ), — ground truth (деформированная одежда, получается наложением маски одежды на ). Но такие тройки достаточно тяжело собрать, обычно есть только и . Решение этой проблемы предлагалось в одной из предыдущих работ VITON, авторы статьи вместо на вход сети подавали тензор с описанием человека . При создании преследовалась цель максимального сохранения информации о человеке, включая лицо, волосы, форму тела и позу, но минимизируя влияние старой одежды (цвет, форма, текстура). Этот подход позволяет не показывать сети эталонное изображение человека в желаемой одежде. Таким образом, GMM принимает на вход и генерирует деформированную одежду , которая во время тренировки сравнивается с . TOM принимает на вход , а выход сети сравнивается с .

Рассмотрим поподробнее формирование тензора . Описание человека состоит из маски тела человека, ключевых точек позы и изображения головы. Сначала по фотографии выполняется поиск ключевых точек с помощью сети OpenPose. Для получения бинарной маски тела человека используется семантическая сегментация одежды и частей тела. Эта задача решается с помощью модели LIP_JPPNet. В процессе ее поддержки в OpenCV добавился (самостоятельный) sample human_parsing.py.

Для маски тела берутся все ненулевые пиксели, для маски головы — пиксели, соответствующие классам: лицо, солнцезащитные очки, головной убор и волосы. Затем маска тела размывается, а маска головы накладывается на входное изображение.

Рассмотрим работу модулей.

GMM используется для изменения формы желаемой одежды в соответствие с позой человека. В процессе работы сеть извлекает ключевые признаки из изображения одежды и тензора с описанием человека независимо, нормирует признаки, используя . Вычисляется корреляция признаков и выполняется прогнозирование вектора параметров пространственного преобразования. По нему в результате постобработки генерируется сетка деформации исходного изображения одежды. С помощью билинейной интерполяции одежды по узлам сетки получается форма одежды, соответствующая позе человека. Для сравнения полученной деформации одежды с используется .

Модуль TOM переносит деформированную одежду на изображение с человеком. Сеть базируется на архитектуре Unet. Данная архитектура была выбрана, потому что при непосредственном переносе деформированной одежды на изображение человека результат выглядит неестественно на стыках и местах соприкосновения человека и одежды. Unet позволяет избавиться от этого, делая переходы более плавными. Однако невозможно идеально выровнять одежду по фигуре, поэтому даже незначительное смещение одежды относительно позы может сделать выход Unet размытым. Сеть представляет собой последовательность сверток и пулингов, которые уменьшают пространственное разрешение картинки. А потом разрешение увеличивается последовательностью Upsample и сверток. Кодировщик (encoder) в сети является предварительно обученным VGG-19. Чтобы выходное изображение не было слишком размытым используется следующий подход. Unet предсказывает образ человека и композиционную маску . Затем маска комбинируется с деформированной одеждой и накладывается на , скомбинированный с обратной маской и получается результирующее изображение .

— знак поэлементного матричного умножения.

При обучении сети главная цель Try-On модуля — минимизация несоответствия с . При попиксельном сравнении результата работы сети и изображения из разметки малое значение функции потерь будет соответствовать размытым изображениям. А похожим с точки зрения человека изображениям, но с небольшими сдвигами, будет соответствовать большое значение функции потерь. Чтобы избежать этих недостатков используют комбинацию с perceptual loss. Картинка из разметки и предсказание сети пропускаются через несколько слоев сети VGG и сравниваются полученные нейросетевые признаки, которые будут инвариантны к небольшому изменению положения в пространстве. Также VGG чувствительна к резким изменениям яркости пикселей — это позволяет устранить размытость в изображении, сделав большим значение функции потерь на таких картинках.

Реализация в OpenCV

Для работы сети кроме изображения человека и одежды также требуется изображение с семантической сегментацией частей тела человека и одежды на нем и файл с ключевыми точками тела человека. Авторы статьи использовали json файлы с сохраненными точками тела человека, полученные с помощью сети OpenPose из Caffe, и изображения с сегментацией из разметки датасета LIP.

Чтобы сделать демо удобным для использования, поиск ключевых точек и сегментацию мы делаем на лету, поэтому от пользователя на вход требуется только фотография человека и изображение новой одежды.

python3 virtual_try_on.py -i person_img.jpg -c cloth.jpg

При портировании сети в OpenCV нужно было убрать всю предобработку через PIL. Тут возникли чудеса с сегментацией. В датасете LIP представлены полутоновые изображения, где интенсивность пикселя соответствует классу объекта. А при скачивании датасета для CP-VTON эти же изображения уже цветные. Читается трехканальное изображение, но потом выполняется работа с одноканальными изображениями:

shape = (segm > 0).astype(np.float32)
head  = (segm == 1).astype(np.float32) + \
        (segm == 2).astype(np.float32) + \
        (segm == 4). astype(np.float32) + \
        (segm == 13).astype(np.float32)
cloth = (segm == 5).astype(np.float32) + \
        (segm == 6).astype(np.float32) + \
        (segm == 7).astype(np.float32)

Оказывается, что PIL может хранить цветное изображение и кодировку, с помощью которой оно было получено. Перевод лейблов в цвета лежал в human_colormap.mat. Как их оттуда прочитать? Matlab ставить не хотелось. К счастью, scipy имеет загрузчик таких файлов. Потратив немного (много) времени на эти махинации удалось извлечь из сегментации маску тела и головы.

Дальше – больше. Для размытия маски ее сначала уменьшают в 16 раз, затем возвращают исходные размеры.

mask = mask.resize((width // 16, height // 16), Image.BILINEAR)
mask = mask.resize((width, height), Image.BILINEAR)

Получаем маску в оттенках серого. Для этого используют билинейную интерполяцию. Кажется, что может быть проще при переносе в OpenCV. Заменили PIL resize на cv.resize и получили совсем другой результат.

Слева маска, полученная через PIL resize, справа — cv.resize.

Маски получились вообще не похожи, а результат работы сети? В общем смотрите сами.

Слева результат, полученный при использовании маски с PIL resize, справа — cv.resize.

Выглядит грустновато, не хотелось бы так уродовать людям руки. Что же это за билинейная интерполяция такая? Изрядно погуглив, так и не удалось ничего найти. Оставался последний, но верный способ – смотреть исходники на С. Там удалось увидеть, что bilinear resize вовсе не похож на bilinear, а скорее area. Размер ядра зависит от scale factor, в нашем случае ядро имело размер 33 = 16 * 2 + 1, в то время как в OpenCV ядро фиксированного размера – 3. Одновременно с этим мы заметили, что значения пикселей отличаются только при уменьшении размеров, а при восстановлении результаты получаются достаточно близки. Но изменение типа интерполяции все равно не помогло добиться нужного результата. Смотрим дальше. Коэффициенты интерполяции считаются очень странным образом, получаются не симметричны. Это нам уже никак не удавалось смоделировать. Поэтому пришлось написать небольшой класс с таким типом интерполяции:

Реализация билинейной интерполяции из PIL

class BilinearFilter(object):
    """
    PIL bilinear resize implementation
    image = image.resize((image_width // 16, image_height // 16), Image.BILINEAR)
    """
    def _precompute_coeffs(self, inSize, outSize):
        filterscale = max(1.0, inSize / outSize)
        ksize = int(np.ceil(filterscale)) * 2 + 1

        kk = np.zeros(shape=(outSize * ksize, ), dtype=np.float32)
        bounds = np.empty(shape=(outSize * 2, ), dtype=np.int32)

        centers = (np.arange(outSize) + 0.5) * filterscale + 0.5
        bounds[::2] = np.where(centers - filterscale < 0, 0, centers - filterscale)
        bounds[1::2] = np.where(centers + filterscale > inSize, inSize, centers + filterscale) - bounds[::2]
        xmins = bounds[::2] - centers + 1

        points = np.array([np.arange(row) + xmins[i] for i, row in enumerate(bounds[1::2])]) / filterscale
        for xx in range(0, outSize):
            point = points[xx]
            bilinear = np. where(point < 1.0, 1.0 - abs(point), 0.0)
            ww = np.sum(bilinear)
            kk[xx * ksize : xx * ksize + bilinear.size] = np.where(ww == 0.0, bilinear, bilinear / ww)
        return bounds, kk, ksize

    def _resample_horizontal(self, out, img, ksize, bounds, kk):
        for yy in range(0, out.shape[0]):
            for xx in range(0, out.shape[1]):
                xmin = bounds[xx * 2 + 0]
                xmax = bounds[xx * 2 + 1]
                k = kk[xx * ksize : xx * ksize + xmax]
                out[yy, xx] = np.round(np.sum(img[yy, xmin : xmin + xmax] * k))

    def _resample_vertical(self, out, img, ksize, bounds, kk):
        for yy in range(0, out.shape[0]):
            ymin = bounds[yy * 2 + 0]
            ymax = bounds[yy * 2 + 1]
            k = kk[yy * ksize: yy * ksize + ymax]
            out[yy] = np.round(np.sum(img[ymin : ymin + ymax, 0:out.shape[1]] * k[:, np.newaxis], axis=0))

    def imaging_resample(self, img, xsize, ysize):
        height, width, *args = img. shape
        bounds_horiz, kk_horiz, ksize_horiz = self._precompute_coeffs(width, xsize)
        bounds_vert, kk_vert, ksize_vert    = self._precompute_coeffs(height, ysize)

        out_hor = np.empty((img.shape[0], xsize), dtype=np.uint8)
        self._resample_horizontal(out_hor, img, ksize_horiz, bounds_horiz, kk_horiz)
        out = np.empty((ysize, xsize), dtype=np.uint8)
        self._resample_vertical(out, out_hor, ksize_vert, bounds_vert, kk_vert)
        return out

Результаты

В общем получился достаточно интересный пайплайн из 4 сетей, полученных из разных фреймворков, но дружно работающих в OpenCV. При тестировании сети на реальных фотографиях мы заметили несколько особенностей сети. В тренировочном датасете были только изображения девушек, поэтому сеть не всегда хорошо работает с мужчинами. Руки у них становятся более женственные, а переход от головы к телу имеет очень яркую границу. Также для получения качественного результата нужно загружать фото с соотношением сторон пропорциональных 256 на 192, иначе сеть прибавит пару килограммов. Мы добавили кадрирование исходного изображения в sample до получения нужного соотношения между шириной и высотой. Лучше чтобы кроме человека ничего не было, а одежда на изображении должна находиться на белом фоне без каких-либо узоров и надписей, иначе эти части тоже будут восприниматься как одежда.

P.S. В мае 2020 года OpenCV отмечает свое 20-летие. Мы планируем в этом году писать больше статей и придумывать другие активности. Следите за новостями!

Российский бренд одежды Rasena открыл для своих покупателей виртуальную примерочную

Воспользоваться виртуальной примерочной очень просто. Выбрав понравившуюся вещь, посетитель сайта ставит галочки в специальных полях, определяя форму фигуры, а также уточняет свой вес, рост, параметры объема груди, талии и бедер. Далее онлайн-примерочная предлагает посетителю загрузить свою фотографию. В завершении покупатель видит на экране своего гаджета себя в выбранной вещи с указанием того размера, который подходит именно ему.

Используемая на сайте Rasena технология онлайн примерки создана компанией Texel на основе искусственного интеллекта и генеративной нейронной сети (GAN), что позволяет распознавать особенности строения фигуры человека по фотографии и «одевать» его в новую одежду. Виртуальная примерка вещей дополняется рекомендацией подходящего размера по базовым параметрам (рост, вес, возраст, тип фигуры) – на основе крупнейшей базы 3D-сканов собранной Texel.

Юлия Сунцева, основатель и глава бренда Rasena:

— Договор о сотрудничестве с Texel мы подписали месяц назад. И уже сегодня наши клиенты могут виртуально примерить некоторые вещи перед онлайн покупкой. В ближайшие месяц будет доступна примерка всех вещей, представленных на сайте. Подобные сервисы в мире набирают всё большую популярность. Среди самых знаменитых — виртуальная примерка кроссовок Gucci. И мы, конечно же, хотим, чтобы наши клиенты одними из первых получили доступ к новым технологиям, повышающим комфорт покупки из любой точки мира, особенно это становится важным сейчас – в эпоху глобализации и повсеместного онлайна.

По статистике каждый год доля онлайн-заказов в интернет-магазинах одежды и обуви растет, но также растет и доля возвратов, она составляет 50–70% — это огромные затраты на логистику.

«Каждый год в землю закапывается 91 млн. тонн текстильных отходов, а в атмосферу выбрасывают миллионы тонн CO2 от бесполезной логистики в связи с такими возвратами. Онлайн примерочная от Texel позволяет значительно сократить количество возвратов в связи с неподходящим размером и стилем, а также уменьшить число покупок ненужной одежды «на один раз для фотографии в соц.сеть». Теперь для этого можно просто загрузить фотографию в виджет, и у вас готов новый лук, которым можно поделиться с друзьями», — говорит представитель Texel.

Уже достаточно давно существуют виртуальные примерочные обуви, они работают вполне успешно. При этом рабочих кейсов виртуальных примерочных одежды гораздо меньше, многие из них застряли на уровне теории.

«Мы выбрали Texel как работающий, понятный и доступный вариант. Ожидаем, что с помощью интеграции данного сервиса на наш сайт уже в этом году мы сможем значительно оптимизировать затраты на логистику – до 50 %. А это одна из глобальных проблем в современной сфере fashion-индустрии. Поэтому эта новость окажется интересной не только непосредственно для клиентов, но и для наших коллег по индустрии. Мы всегда готовы поделиться опытом и наработками», — говорит Юлия Сунцева.

Rasena приглашает познакомиться с новым сервисом, примерить и приобрести понравившиеся вещи из зимней коллекции (например, золотую дубленку с объемными рукавами). И уже в апреле прийти за новинками из весенней коллекции – полюбоваться собой в виртуальной примерочной перед покупкой, чтобы сделать эмоциональный выбор еще и очень точным.

«Мы уверены, что наличие онлайн примерочной поможет нашим клиентам уменьшить количество сомнений перед приобретением вещей, придаст уверенности в выборе и позволит получить удовольствие от обладания вещью еще на этапе примерки через живую персонализированную визуализацию»,  уточняет глава бренда Rasena.

H&M разрабатывает виртуальную примерочную — New Retail

H&Mbeyond, инновационная лаборатория шведского fashion-гиганта H&M, и NeXR Technologies разрабатывают виртуальную примерочную комнату, которая позволит покупателям подбирать идеально подходящие им обновки быстро и легко.

Прототип цифровой примерочной планируют представить летом 2021 года. Тогда в некоторых немецких магазинах бренда клиенты смогут сделать скан своего тела, после чего получат персонального «аватара».

Он станет точным цифровым изображением прошедших процедуру покупателей. Затем, с помощью специального приложения, у людей появится возможность определять, какая одежда им подходит. Принимать решение о покупке станет легче.
 
Технология – это результат коллаборации между NeXR Technologies и H&Mbeyond – расположенной в Берлине инновационной лаборатории H&M. Последняя способна разрабатывать и тестировать товары и сервисы, которые полезны или могут быть полезными для отделений ритейлера по всему миру.

Виртуальная примерочная создается для улучшения покупательского опыта и уменьшения количества возвратов, говорят в компании.
 
«Мы всегда ищем инновационные решения и технологии, которые сделают покупательский опыт более привлекательным и захватывающим, – говорит Оливер Ланге (Oliver Lange), представитель H&Mbeyond. – В рамках пилотного проекта мы хотим протестировать вместе с покупателями, могут ли цифровые примерочные комнаты помочь им подбирать размеры одежды и ее стиль удаленно, а также принимать решения о покупках. NeXR  для этого – отличный партнер».
 
Вместе с тем, такой вид виртуальных примерочных – не нов. Ритейлер Zalando, например, провел подобный эксперимент ранее в Мадриде. Модная платформа открыла поп-ап точку, где покупатели могли получить скан их тела и примерить одежду в виртуальной реальности.

Источник: RetailDetail

Читайте также:

Что необходимо делать, чтобы уменьшить количество невыкупленных заказов в интернет-магазинах одежды

***

Самые интересные новости читайте в наших группах в Facebook и VKontakte, а также на канале Яндекс. Дзен.

Больше новостей и возможность поделиться своим мнением в комментариях на нашем канале в Telegram.

И подписывайтесь на итоговую рассылку самых важных новостей.

New Retail

Разработка виртуальной примерочной с использованием технологий AR и AI

Ненавижу делать покупки в обычных магазинах. Однако мой интерес к виртуальным покупкам не ограничивается только покупательским опытом. В отделе MobiDev DataScience я приобрел опыт работы над технологиями искусственного интеллекта для виртуальной настройки. Цель этой статьи — описать, как эти системы работают изнутри.

Технологии AR и AI для разработки виртуальных примерочных

Скачать PDF

Нажимая кнопку «ПОЛУЧИТЬ PDF» ниже, вы соглашаетесь и предоставляете нам право обрабатывать персональные данные, указанные вами в полях выше. Ваши личные данные могут быть использованы для профилирования нашей клиентской базы и для связи с вами с коммерческими предложениями. Вы имеете право в любой момент отозвать свое согласие, отправив запрос на [email protected].

Спасибо!

URL для загрузки файла PDF был отправлен на вашу электронную почту

Хорошо

Как работает технология виртуального фитинга

Несколько лет назад стратегия «Попробуй, прежде чем купить» была эффективным методом взаимодействия с покупателями в магазинах одежды. Сейчас эта стратегия существует в виде виртуальных примерочных.Согласно прогнозам Fortune Business Insights, к 2027 году объем рынка виртуальных примерочных достигнет 10 миллиардов долларов США.

Чтобы лучше понять логику технологии виртуальных примерочных, давайте рассмотрим следующий пример. Некоторое время назад у нас был проект по разработке примерочной обуви с дополненной реальностью (AR). Примерочная работает следующим образом:

1. Входное видео разделяется на кадры и обрабатывается с помощью модели глубокого обучения, которая оценивает положение набора определенных ключевых точек ног и ступней.
   Прочтите статью по теме: Оценка позы человека в 3D в приложениях Fitness Coach
2. 3D-модель обуви размещается в соответствии с обнаруженными ключевыми точками для естественного отображения ориентации пользователя.
3. 3D-модель обуви визуализируется таким образом, что каждый кадр отображает реалистичные текстуры и освещение.

Использование ARKit для 3D оценки позы человеческого тела и рендеринга 3D модели

При работе с ARKit (структура дополненной реальности для устройств Apple) мы обнаружили, что у него есть ограничения на рендеринг.Как видно из видео выше, точность отслеживания слишком низкая, чтобы использовать ее для позиционирования обуви. Причиной этого ограничения может быть поддержание скорости вывода при игнорировании точности отслеживания, что может быть критичным для приложений, работающих в режиме реального времени.

Еще одна проблема — плохая идентификация частей тела алгоритмом ARKit. Поскольку этот алгоритм предназначен для идентификации всего тела, он не обнаруживает никаких ключевых точек, если обработанное изображение содержит только часть тела. Это как раз случай примерочной обуви, когда алгоритм должен обрабатывать только ноги человека.

Был сделан вывод, что приложениям виртуальной примерочной могут потребоваться дополнительные функции наряду со стандартными библиотеками AR. Таким образом, рекомендуется привлекать специалистов по данным для разработки пользовательской модели оценки позы, которая должна обнаруживать ключевые точки только на одной или двух ногах в кадре и работать в режиме реального времени.

Обзор решений виртуальной примерки

На рынке технологий для виртуальных примерочных представлены аксессуары, часы, очки, головные уборы, одежда и т. Д.Давайте посмотрим, как работают некоторые из этих решений.

Часы для виртуальной примерки

Хорошим примером примерки виртуальных часов является приложение AR-Watches, позволяющее пользователям примерять различные часы. Решение основано на технологии ARTag, использующей специальные маркеры, напечатанные на ремешке, которые следует носить на запястье пользователя вместо часов, чтобы начать виртуальную примерку часов. Алгоритм компьютерного зрения обрабатывает только те маркеры, которые видны в кадре, и определяет положение камеры по отношению к ним.После этого, чтобы правильно визуализировать 3D-объект, виртуальную камеру необходимо разместить в том же месте.

В целом, технология имеет свои пределы (например, не у всех есть принтер для печати ленты ARTag). Но если это соответствует бизнес-сценарию использования, не составит труда создать продукт, готовый к производству. Вероятно, наиболее важной частью будет создание правильных 3D-объектов для использования.

Визуализация 3D модели часов с использованием технологии ARTag (источник)

Виртуальная примерочная обувь Приложения

Wanna Kicks и SneakerKit — хорошая демонстрация того, как технологии AR и глубокого обучения могут применяться в обуви.

Примерка виртуальной обуви, приложение Wanna Kick (исходник)

Технически такое решение использует модель оценки позы стопы, основанную на глубоком обучении. Эта технология может быть рассмотрена для частного случая широко распространенных моделей оценки позы 3D всего тела, которые оценивают положение выбранных ключевых точек в трехмерном измерении напрямую или посредством вывода положений обнаруженных двухмерных ключевых точек в трехмерные координаты.

Оценка позы стопы в 3D (источник)

После определения положения трехмерных ключевых точек стопы их можно использовать для создания параметрической трехмерной модели человеческой ступни, а также позиционирования и масштабирования трехмерной модели обуви в соответствии с геометрическими свойствами параметрической модели.

Размещение 3D-модели обуви поверх обнаруженной параметрической модели стопы (источник)

По сравнению с моделью оценки позы всего тела / лица, оценка позы стопы все еще имеет определенные проблемы. Основная проблема — отсутствие данных 3D-аннотаций, необходимых для обучения модели.

Однако оптимальным способом избежать этой проблемы является использование синтетических данных, которые предполагают визуализацию фотореалистичных трехмерных моделей человеческих ног с ключевыми точками и обучение модели с этими данными; или использовать фотограмметрию, которая предполагает реконструкцию трехмерной сцены из нескольких двухмерных изображений, чтобы уменьшить количество потребностей в маркировке.

Это решение намного сложнее. Чтобы выйти на рынок с готовым к использованию продуктом, необходимо собрать достаточно большой набор данных о ключевых точках стоп (с использованием синтетических данных, фотограмметрии или их комбинации), обучить индивидуальную модель оценки позы (которая сочетать достаточно высокую точность и скорость вывода), протестировать его надежность в различных условиях и создать модель стопы. Считаем это проектом средней сложности с точки зрения технологий.

Очки для виртуальной примерки Компании

FittingBox и Ditto рассмотрели технологию AR для примерки виртуальных очков.Пользователь должен выбрать модель очков из виртуального каталога, и она надевается ему на глаза.

Примерка виртуальных очков и моделирование линз (источник)

Это решение основано на подходе к оценке позы на основе глубокого обучения, используемом для обнаружения лицевых ориентиров, где общий формат аннотаций включает 68 2D / 3D лицевых ориентиров.

Пример определения лицевого ориентира на видео. Обратите внимание, что модель на видео распознает более 68 ориентиров (источник)

Такой формат аннотации позволяет с достаточной степенью точности различать контур лица, носа, глаз, бровей и губ.Данные для обучения модели оценки ориентиров лица могут быть взяты из таких библиотек с открытым исходным кодом, как Face Alignment, что обеспечивает готовую функциональность оценки позы лица.

С точки зрения технологий такое решение не так уж сложно, особенно если использовать какую-либо предварительно обученную модель в качестве основы для задачи распознавания лиц. Но важно учитывать, что некачественные камеры и плохие условия освещения могут быть ограничивающими факторами.

Хирургические маски виртуальной примерки

В разгар пандемии COVID-19 ZapWorks запустил образовательное приложение на основе AR, цель которого — научить пользователей, как правильно носить хирургические маски.Технически это приложение также основано на методе определения трехмерных ориентиров лица. Как и приложение для примерки очков, этот метод позволяет получать информацию о чертах лица и в дальнейшем рендеринге маски.

AR для указателя износа масок (источник)

Шляпы виртуальные примерочные

Учитывая тот факт, что модели определения лицевых ориентиров работают хорошо, еще одним часто моделируемым элементом дополненной реальности являются головные уборы. Все, что требуется для правильной визуализации шляпы на голове человека, — это трехмерные координаты нескольких ключевых точек, обозначающих виски и расположение центра на лбу.Приложения для примерки виртуальных шляп уже запустили QUYTECH, Banuba и Vertebrae.

Примерка бейсболки (источник)

Виртуальная примерка

По сравнению с обувью, масками, очками и часами виртуальная примерка трехмерной одежды все еще остается проблемой. Причина в том, что одежда деформируется, принимая форму тела человека. Таким образом, для правильного опыта AR модель глубокого обучения должна определять не только основные ключевые точки на суставах человеческого тела, но и форму тела в 3D.

Глядя на одну из самых последних моделей глубокого обучения DensePose, предназначенную для сопоставления пикселей изображения человека в формате RGB с трехмерной поверхностью человеческого тела, мы можем обнаружить, что она все еще не совсем подходит для дополненной реальности. Скорость вывода DensePose не подходит для приложений в реальном времени, а обнаружение сетки тела имеет недостаточную точность для подгонки трехмерных предметов одежды. Чтобы улучшить результаты, необходимо собрать больше аннотированных данных, что требует времени и ресурсов.

Альтернативой является использование 2D-одежды и 2D-силуэтов людей. Именно этим и занимается компания Zeekit, предоставляя пользователям возможность применять к своей фотографии несколько типов одежды (платья, брюки, рубашки и т. Д.).

Примерка 2D одежды, Zeekit (источник)

Строго говоря, метод передачи 2D-изображений одежды нельзя рассматривать как дополненную реальность, поскольку аспект «реальности» подразумевает работу в реальном времени, однако он все же может обеспечить необычный и захватывающий пользовательский опыт.К последним технологиям относятся модели генерирующих состязательных сетей, оценки позы человека и модели человеческого анализа. Алгоритм переноса 2D одежды может выглядеть следующим образом:

1. Обозначение участков на изображении, соответствующих отдельным частям тела
2. Определение положения идентифицированных частей тела
3. Изготовление деформированного изображения перенесенной одежды
4. Применение деформированного изображения к изображению человека с минимумом произведенных артефактов

Наши эксперименты с 2D-переносом одежды

Поскольку готовых предварительно обученных моделей для виртуальной раздевалки нет, мы исследовали эту область, экспериментируя с моделью ACGPN.Идея заключалась в том, чтобы изучить результаты этой модели на практике для 2D-переноса ткани с использованием различных подходов.

Модель применялась к изображениям людей в ограниченных (образцы из набора обучающих данных, VITON) и неограниченных (любая среда) условиях. Кроме того, мы проверили пределы возможностей модели, не только запустив ее на пользовательских изображениях людей, но и используя пользовательские изображения одежды, которые сильно отличались от данных обучения.

Вот примеры результатов, полученных нами в ходе исследования:

1.Воспроизведение результатов, описанных в исследовательской статье «На пути к фотореалистичной виртуальной примерке путем адаптивного создания и сохранения содержимого изображения», с исходными данными и нашими моделями предварительной обработки:

Успешная (A1-A3) и неудачная (B1-B3) замена одежды

Результатов:

• В1 — окраска бедная
• В2 — новая одежда внахлест
• B3 — дефекты кромки

2. Применение нестандартной одежды к изображениям людей по умолчанию:

Замена одежды на нестандартную одежду

Результатов:

• Ряд А — без дефектов
• Ряд B — некоторые дефекты подлежат устранению
• Ряд C — критические дефекты

3.Применение стандартной одежды к нестандартным изображениям людей:

Выходы замены одежды на изображениях с неограниченной средой

Результатов:

• Ряд А — краевые дефекты (незначительные)
• Ряд B — ошибки маскировки (умеренные)
• Ряд C — ошибки рисования и маскирования (критические)

4. Нанесение нестандартной одежды на персонализированные изображения людей:

Замена одежды с непринужденной средой и нестандартными изображениями одежды

Результатов:

• Ряд A — лучший результат, полученный от модели
• Ряд B — многие дефекты подлежат устранению
• Ряд C — самые искаженные результаты

При анализе результатов мы обнаружили, что примерка виртуальной одежды все еще имеет определенные ограничения.Дело в том, что тренировочные данные должны содержать парные изображения целевой ткани и людей, носящих эту одежду. Если учесть реальный бизнес-сценарий, это может оказаться непросто. Другие выводы из исследования:

• Модель ACGPN дает довольно хорошие результаты на изображениях людей из обучающего набора данных. Это также верно, если используются нестандартные предметы одежды.
• Модель нестабильна при обработке изображений людей, снятых при разном освещении, других условиях окружающей среды и необычных позах.
• Технология создания систем виртуальных раздевалок для переноса 2D-изображений одежды на изображение целевого человека в дикой природе еще не готова для коммерческого использования. Однако, если условия статичны, ожидаемые результаты могут быть намного лучше.
• Основным ограничивающим фактором, сдерживающим разработку более совершенных моделей, является отсутствие разнообразных наборов данных с людьми, снятыми на открытом воздухе.

Технологии AR и AI для разработки виртуальных примерочных

Скачать PDF

Нажимая кнопку «ПОЛУЧИТЬ PDF» ниже, вы соглашаетесь и предоставляете нам право обрабатывать персональные данные, указанные вами в полях выше.Ваши личные данные могут быть использованы для профилирования нашей клиентской базы и для связи с вами с коммерческими предложениями. Вы имеете право в любой момент отозвать свое согласие, отправив запрос на [email protected].

Спасибо!

URL-адрес для загрузки PDF-файла был отправлен на вашу электронную почту.

Хорошо,

В заключение я бы сказал, что нынешние виртуальные примерочные хорошо подходят для предметов, связанных с отдельными частями тела, такими как голова, лицо, ступни и руки. Но если говорить о предметах, в которых человеческое тело требует полного обнаружения, оценки и модификации, виртуальная одежда все еще находится в зачаточном состоянии.Однако ИИ развивается семимильными шагами, и лучшая стратегия — оставаться в курсе и продолжать попытки.

Мобильная виртуальная установка

Платформа triMirror позволяет создать первое в мире интерактивное мобильное приложение для виртуальной настройки в реальном времени. Современное моделирование одежды и технология клиент-сервер от компании triMirror обеспечивают точное и интересное взаимодействие с пользователем при примерке одежды. Мобильное приложение виртуального фитинга triMirror можно использовать как в магазине, так и дома на телефонах и планшетах — будь то платформа iPhone или Android.

Представьте, что ваши клиенты входят в магазин, сканируют QR-код одежды своим смартфоном или планшетом и пробуют его на своем аватаре, сохраненном на устройстве (или на аватарах своих друзей / родственников), поделитесь им в социальных сетях, получите совет в режиме реального времени отправляйте бизнес-аналитику розничным продавцам, узнавайте о предложениях по телефону и покупайте одежду — и все это, не заходя в примерочную.

Прогуливаясь по улице, они смогут получить сообщение на свой телефон или планшет о том, что в магазине за углом есть платье, которое они искали и которое идеально им подошло бы, а затем мгновенно показать, как оно подойдет и смотрю.Используя карту натяжения, покупатели могут видеть, где одежда плотно или свободно сидит рядом друг с другом в разных размерах, и как она будет драпироваться, когда они будут двигаться.

Приложение чрезвычайно интерактивно — пальцем вы даже можете манипулировать тканью в режиме реального времени: закатать рукава или штаны, оттянуть штаны от тела, снять рубашку с плеча и т. Д. Продавцы могут подходить к покупателям с помощью планшета и быстро создавать аватар покупателя на основе формы и размера тела.Это привлечет клиентов к активным покупкам в игровой форме и направит их к области измерения для точных измерений, более точных примерок и параллельного сравнения различных стилей и размеров. Для еще большей персонализации покупатели могут нанести свои лица на трехмерные аватары после того, как сделают снимок камерой планшета.

Свяжитесь с нами, чтобы получить дополнительную информацию о решении мобильной виртуальной примерки для вашего бренда.

розничных продавцов, таких как Macy’s и Adidas, обращаются к виртуальным примерочным

• Все большее число розничных торговцев экспериментируют с инструментами виртуальной реальности, которые позволяют покупателям примерить самые разные товары, от макияжа и украшений до одежды, у себя дома во время пандемии.
• Новые технологические компании, такие как Zeekit, рано начинают успешно сотрудничать с такими розничными торговцами, как Macy’s и ASOS, чтобы предоставить своим компаниям новые возможности.
• Согласно Zeekit, предварительные данные показывают, что эта услуга помогла снизить процент возврата для партнеров на 36%.
• Посетите домашнюю страницу Business Insider, чтобы узнать больше.

Поскольку примерочные, как ожидается, в обозримом будущем останутся закрытыми, розничные торговцы экспериментируют с новыми инструментами, которые помогут покупателям примерить одежду перед покупкой, а именно с виртуальными гардеробными.

В последние годы наблюдается рост использования технологий дополненной и виртуальной реальности, и отраслевые эксперты ожидают, что использование этих инструментов будет и дальше расти во время пандемии, в результате которой отбор проб и примерка продуктов лично устарели.

Хотя такие инструменты уже используются преимущественно в индустрии красоты — клиенты таких компаний, как Sephora и Ulta, уже давно могут «примерить» различные оттенки макияжа с помощью экрана — теперь они начинают проявляться в крупные розничные торговцы одеждой и ювелирными изделиями, такие как Macy’s и Adidas.

По словам Бена Парра, президента и соучредителя маркетинговой платформы Octane AI, в ответ на пандемию наблюдается всплеск среди ритейлеров, экспериментирующих с виртуальными примерочными: от небольших брендов, таких как компания мужской одежды Knot Standard, до гигантов электронной коммерции. как Shopify.

«Преимущества виртуальных примерочных во время пандемии очевидны — меньший риск заражения COVID-19 и простота примерки из дома», — сказал Парр в электронном письме.«Я думаю, что многих американцев удивит, что в 2020 году эта технология будет довольно сложной и шокирующе точной. Это приведет к продолжающемуся всплеску продаж электронной коммерции, который мы наблюдали на протяжении всей пандемии».

Экран дополненной реальности для примерки губной помады в Nordstrom в Нью-Йорке. Бетани Бирон / Business Insider

Внедрение виртуальных примерочных

Несмотря на множество виртуальных инструментов, которые сейчас доступны покупателям, Парр сказал, что основным препятствием для этих технологий является обучение и удержание потребителей. В 2018 году 60% респондентов глобального опроса потребителей, проведенного PwC, заявили, что они в той или иной мере использовали виртуальную реальность.Тем не менее, примерка одежды с помощью аватара на мобильном телефоне все еще не является обычной практикой.

Одной из компаний, стремящихся вывести виртуальные примерочные на рынок, является Zeekit, израильская компания, занимающаяся технологией моды, которая уже сотрудничает с такими брендами, как Macy’s, Adidas и Modcloth, чтобы помочь покупателям получить представление о том, как одежда выглядит на их теле. без физической примерки. В приложении Zeekit пользователи могут загрузить фотографию всего тела, а затем примерить одежду от участвующих брендов и совершить покупки с помощью приложения.

Zeekit также помогал таким брендам, как ASOS, проводить виртуальные фотосессии во время пандемии — процесс, который помог компании найти более разнообразные модели с более широким диапазоном типов телосложения, которые можно было разместить на своем сайте.

«Кризис в мире розничной торговли также создал возможность заново изобрести и революционизировать методы работы этой отрасли», — заявила в своем заявлении ранее в этом месяце Яэль Визель, соучредитель Zeekit. «Сейчас все дело в персонализации.Мы живем в эпоху поколения селфи, и Zeekit делает следующий шаг, давая каждому бренду и розничному продавцу возможность расширить свое присутствие в реальности жизни своих клиентов ».

Согласно Zeekit, ранние данные показывают, что сервис помог снизить коэффициент возврата для партнеров на 36%.

Джонатан Трейбер, генеральный директор платформы управления предложениями RevTrax , сказал, что новые технологии, такие как Zeekit, могут оказаться полезными в оказании помощи осажденным розничным торговцам, еще более обремененным расходами, связанными с обработкой онлайн-возвратов, которые увеличились в последние месяцы в результате временного закрытия магазинов.

«У онлайн-одежды высокий процент возврата из-за такого подхода к подбору размеров, основанного на пробах и ошибках, и поэтому розничные торговцы, занимающиеся возвратом одежды онлайн, сталкиваются с существенными расходами», — сказал Трибер Business Insider. «Клиенты часто заказывают несколько единиц товара разных размеров, чтобы убедиться, что по крайней мере один товар подходит, и намереваются вернуть остальные. Это крайне неэффективный, дорогостоящий и трудоемкий процесс для всех сторон.

Закрытые примерочные в доме J.Магазин Crew в Бруклине, Нью-Йорк. Бетани Бирон / Business Insider

Неопределенное будущее виртуальных примерок

В конечном счете, Парр говорит, что, хотя виртуальные примерочные могут стать обычным явлением, он опасается, что они прослужат долго, когда пандемия утихнет.

«Большой открытый вопрос заключается в том, сохранится ли эта технология, когда мы окажемся на другой стороне пандемии», — сказал он.«Я предсказываю, что многим клиентам, особенно миллениалам и поколению Z, будет намного удобнее пользоваться виртуальными примерочными и они будут продолжать получать свою одежду таким образом даже после пандемии».

Трейбер поддержал мнение Парра, добавив, что розничным торговцам необходимо будет найти способы оптимизировать технологию, чтобы покупатели возвращались, как только вспышка коронавируса будет смягчена.

«Пандемия будет стимулировать принятие потребителями инноваций в розничной торговле, которые, возможно, заранее были приятны покупателям», — сказал он.«Некоторые из этих нововведений сохранятся после пандемии, а другие станут незамеченными, если они не приведут к значительным улучшениям в процессе покупок и не выполнят свои первоначальные обещания».

Как виртуальные примерочные стали следующим полем битвы в розничной торговле

Walmart стремится создать виртуальные примерочные для своих онлайн-покупателей.

На прошлой неделе компания объявила о приобретении Zeekit, стартапа, который работал с ASOS, Adidas и другими брендами над созданием технологий, позволяющих покупателям виртуально примерять одежду перед тем, как она ее купит.Условия сделки не разглашаются. Через Zeekit клиенты загружают свои фотографии и вводят размеры своего тела, а компания создает виртуального двойника тела. После этого покупатели могут одеть его соответствующим образом.

Благодаря приобретению Walmart заявила, что ее покупатели смогут создавать виртуальные модели самих себя с использованием одежды сторонних брендов, которые продает Walmart, таких как Free People и Levi Strauss, а также собственной линии модной одежды Walmart под собственной торговой маркой. В то время как компании от Farfetch до Кендры Скотт тестировали технологию виртуальной примерки, приобретение Walmart представляет собой самое заметное одобрение ее со стороны крупного обычного розничного продавца — предполагая, что даже несмотря на то, что виртуальная примерка остается нишевым явлением, он быстро становится следующим полем битвы в розничной торговле.

До сих пор многие из наиболее значимых инвестиций поступали от компаний с большими техническими командами. Snapchat недавно купил ряд компаний, Fit Analytics и Screenshop, чтобы расширить свое присутствие в электронной коммерции с дополненной реальностью. Amazon также имеет ряд функций AR, в том числе функцию AR View для покупки мебели. У него также есть футболка Made For You — чтобы ее купить, клиенты фотографируют себя, чтобы построить виртуальную модель. Затем рубашка подогнана по размеру их тела.

Однако это не означает, что программное обеспечение для виртуальной примерки является в настоящее время особенно популярным способом покупки. «Я еще не знаю, могу ли я назвать это мейнстримом, но я бы сказала, что есть достаточно примеров, чтобы я сказал, что это широко распространено», — сказала Виктория Петрок, главный аналитик eMarketer, который занимается новыми технологиями. По словам Петрока, для Walmart это приобретение, по-видимому, связано с тем, чтобы войти в виртуальное пространство для примерки. В этой сфере «Я действительно думаю, что Walmart отстает от конкурентов с Amazon», — сказала она, — и Walmart хочет создать имидж себя как новатора, тем более что он продолжает расширять свое присутствие в электронной коммерции.

Для розничных торговцев технология виртуальной примерки, если она получит более широкое признание клиентов, принесет другие важные преимущества. Shopify, например, сообщил, что покупатели, которые примеряли одежду в дополненной реальности с помощью интеграции программного обеспечения, на 40% реже возвращали товар. «Я думаю, что каждый раз, когда люди могут визуализировать себя в чем-то, это поможет снизить отдачу», — сказал Петрок.

У других розничных продавцов также есть виртуальные инструменты для примерки — Wayfair и Williams-Sonoma для визуализации того, как будет выглядеть мебель в комнате покупателя, Ulta и Sephora для тестирования макияжа, — но многие избегают применять AR в сфере одежды.Это связано с тем, что одежда настолько сложна: требуется больше размеров, а технология должна быть способна оценивать пригодность для многих различных типов одежды для разных типов телосложения. Таким образом, окончательная перспектива технологии виртуальной примерки — предсказать, насколько хорошо платье подойдет конкретному покупателю до того, как он совершит покупку — остается далекой. «Что касается подгонки, для этого также требуются датчики глубины на телефонах, и сегодня очень немногие телефоны имеют возможность определения глубины», — сказал Фейсал Галария, генеральный директор компании Blippar в области дополненной реальности.

Еще одно, более непосредственное преимущество технологии примерки AR — ее социальная привязанность. В своем объявлении о приобретении Walmart подчеркнула тот факт, что Zeekit позволяет покупателям делиться образами своей виртуальной примерочной с друзьями, сохраняя, по крайней мере, часть социального опыта покупок в магазине с друзьями. Другие покупатели начали делиться своими виртуальными нарядами в социальных сетях. В отчете New York Times упоминается о пользователях, которые примеряют солнцезащитные очки Dior и обувь Gucci, не имея намерения покупать их, а просто для того, чтобы отправить друзьям в шутку.Возможно, это не приведет к прямым продажам, но способствует сарафанному маркетингу.

Если социальная сторона виртуальных примерочных действительно продолжит набирать обороты, это может особенно дать толчок для платформ социальных сетей, которые все больше строят доступные для покупок технологии AR: Snapchat был наиболее агрессивным в своих инвестициях в AR, но Instagram, Facebook и Pinterest теперь имеют инструменты для покупок с дополненной реальностью (пока все сосредоточены преимущественно на макияже). Эти компании недалеко от создания огороженных стенами садов с дополненной реальностью, где клиенты примеряют одежду, отправляют фотографии или видео друзьям, а затем делают покупки прямо в приложении.

Петрок сказал, что прямо сейчас технология виртуальной примерки в розничной торговле только начинается. Поскольку электронная коммерция продолжает процветать, розничные торговцы все еще изо всех сил стараются инвестировать в AR и скупать стартапы, которые уже активны в этой сфере. Но пока неясно, какая технология является наиболее точной или удобной для потребителя, и остается реальный вопрос, сможет ли какая-либо компания создать настолько точную систему тестирования, которая существенно снизит процент возврата клиентов.

Walmart приобретает виртуальную примерочную, чтобы помочь покупателям в Интернете

Вы сможете практически примерить любую одежду, имеющуюся в Walmart.

Walmart объявила о своих планах по приобретению израильской компании Zeekit, чтобы внедрить технологию виртуальной примерочной в свои интернет-магазины.Вскоре покупатели Walmart смогут увидеть, как выглядит на них одежда, без необходимости ходить в обычный магазин.

В сообщении в Walmart Newsroom, крупный розничный торговец представил свои планы по приобретению Zeekit: платформы виртуальной примерочной, основанной женщинами.

Все больше и больше людей предпочитают покупать одежду в Интернете, вместо того, чтобы делать это традиционным способом.Однако, когда дело доходит до покупок в Интернете, всегда есть риск, что одежда не подходит по размеру, поскольку у вас нет возможности примерить ее перед покупкой. И в большинстве случаев это единственное, что мешает потенциальным покупателям покупать одежду в Интернете.

Новая технология, приобретенная Walmart, должна помочь людям преодолеть эти опасения, поскольку она позволит им виртуально примерить желаемые предметы одежды.

Процесс примерки одежды через виртуальную примерочную должен быть очень простым:

Покупатели просто загрузят свою фотографию или выберут из серии моделей, которые лучше всего отражают их рост, форму и оттенок кожи, чтобы мгновенно увидеть себя в любом предмете одежды, имитируя опыт примерки одежды в магазине.Они даже могут поделиться своими виртуальными нарядами с друзьями, чтобы узнать второе мнение.

По словам исполнительного вице-президента Walmart по одежде и частным брендам Дениз Инкандела, покупатели смогут виртуально примерить одежду таких брендов, как Free People, Champion и Levi’s Strauss, а также смесь эксклюзивных брендов, включая частные бренды, такие как Time и Tru, Terra & Sky, Wonder Nation и George, а также продвинутые бренды, такие как ELOQUII Elements, Free Assembly, Scoop и Sofia Jeans от Sofia Vergara.»

По теме: Лучшие социальные VR-впечатления для общения с друзьями

Возможно, что через какое-то время технология Zeekit будет использоваться не только как виртуальная гардеробная, но и для создания виртуальных туалетов, где можно будет смешивать и сочетать стили.

Виртуальные примерочные становятся мейнстримом

Что может быть лучше, чем сделать покупки одежды в Интернете более приятными, чем создание виртуальных примерочных, чтобы покупатели могли видеть, как эта вещь им подходит?

Для многих предприятий розничной торговли виртуальные примерочные были необходимостью, особенно во время пандемии COVID-19.Глобальные гиганты розничной торговли, такие как Adidas и Macy’s, и такие компании, как Sephora и Ulta, уже предлагают своим клиентам такой инструмент.

Кредит изображения: Walmart

Google 3D Animals: как превратить ваше устройство в виртуальное сафари

От аллигаторов до зебр — вот все животные, с которыми вы можете взаимодействовать с помощью инструмента дополненной реальности Google 3D Animals.

Читать далее

Об авторе Романа Левко (Опубликовано 83 статей)

Романа — писатель-фрилансер с большим интересом ко всему, что связано с технологиями.Она специализируется на создании практических руководств, советов и подробных объяснений обо всем, что связано с iOS. Ее основное внимание уделяется iPhone, но она также кое-что знает о MacBook, Apple Watch и AirPods.

Более От Романы Левко

Подпишитесь на нашу рассылку новостей

Подпишитесь на нашу рассылку, чтобы получать технические советы, обзоры, бесплатные электронные книги и эксклюзивные предложения!

Еще один шаг…!

Пожалуйста, подтвердите свой адрес электронной почты в письме, которое мы вам только что отправили.

Попробуйте перед покупкой — виртуальная примерка онлайн

Мы все были там. Вы видите в Интернете то, что вам нужно, вы решили, что это вам нужно, вы проверили руководство по размеру магазина, дело сделано, заказано. Приходит… «Ах!» Не тот размер? Ага.

В этой статье рассматриваются новые виртуальные примерочные, используемые некоторыми розничными торговцами, чтобы помочь пользователям принять правильное решение за них; Стратегия обслуживания клиентов, которая, как было доказано, снижает доходность до 52% при увеличении продаж более чем на 50% [1].

Интернет-магазины — как сделать правильный выбор?

Покупки в Интернете уже давно стали популярным занятием для многих: 2/3 взрослых используют Интернет для покупки товаров и услуг . В 2011 году Великобритания потратила на Интернет 68,2 миллиарда фунтов стерлингов, при этом самыми популярными покупками среди женщин были одежда и спортивные товары.

В 2011 году Великобритания потратила на Интернет 68,2 миллиарда фунтов стерлингов.

Теперь мы можем делать покупки, когда магазины закрыты, мы можем делать это во время обеденного перерыва, по дороге на работу, пока мы ждем друзей… этот список можно продолжить.Тем не менее, когда так много магазинов меняют свои версии контроля размеров, а каждые несколько месяцев появляются новые стили и тенденции, как розничные продавцы могут помочь своим покупателям сделать правильный выбор?

«Стандартные таблицы размеров существуют, но дизайнеры часто позволяют себе создавать собственные меньшие масштабы, независимо от того, насколько нелогичны цифры». — Тэмми Кинли, доктор философии, доцент кафедры мерчандайзинга Университета Северного Техаса [3].

Размеры тщеславия — Лесть работает в магазине, но не в Интернете

Это хорошо известный факт, что в последние несколько лет розничные торговцы занимались подборами размеров туалетных принадлежностей. Сегодняшний размер 14 на самом деле был бы размером 16 в 70-х [4]. Это отлично работает для розничных продавцов в магазинах, поскольку было доказано, что человек с большей вероятностью расстанутся со своими деньгами, если они хорошо себя чувствуют. Однако это значительно усложняет жизнь онлайн-покупателю, которому нужно ориентироваться в минном поле версии калибровки каждого розничного продавца.

Бирки с размерами стали невыносимо несовместимыми.

«Дизайнеры знают, что если покупатели чувствуют себя счастливыми, примеряя одежду, они, скорее всего, снова купят эту марку. — Джим Лавджой, отраслевой директор исследовательской компании по производству одежды TC2, проводит Национальное исследование размеров США в США [3].

Когда покупатели считают его «неправильным», может привести к разочарованию, неприятностям и плохому опыту с брендом . Ожидания потребителей заключаются в том, что размер 12 — это размер 12, так почему им нужно помнить о разных вариантах калибровки от разных брендов?

«Женщины хотят соответствовать идеалу 0. Эта безумная ситуация усложняется тем, что, в отличие от веса, который является количественной величиной, на которую вы можете рассчитывать, бирки с размерами стали раздражающе противоречивыми. Мало того, что сегодня 6, вероятно, просторнее, чем 6 всего несколько лет назад, но и в разных магазинах есть разные определения размера 6 “. — Молли Триффин, Cosmopolitan [3].

Высокая доходность — испорченный клиентский опыт

Конечно, люди продолжат пользоваться покупками в Интернете, несмотря на эти трудности, потому что это очень удобно (и давайте признаем: весело). Однако качество обслуживания клиентов может быть испорчено , потому что вы можете узнать, подходит ли вам ваш выбор, только когда он будет доставлен.Некоторые клиенты борются с этим, заказывая сразу несколько размеров, гарантируя возврат и приводя к ложному впечатлению о данных о продажах.

«Почти возвращается 1 из 4 предметов одежды. — 70% этих возвратов связаны с тем, что покупатель выбрал неправильный размер». — Хейкки Халдре — генеральный директор и основатель Fits.me [5].

Задача заключается в розничных продавцах и в том, как они могут улучшить качество обслуживания клиентов, помогая пользователям выбирать одежду в соответствии с их тоном кожи, формой тела, ростом, прической и т. Д. Предоставление пользователям возможности принимать правильные решения может привести к снижению доходов и даже увеличению продаж.

70% возвратов происходит из-за того, что покупатель выбрал неправильный размер.

Виртуальная примерочная — больше возможностей онлайн

Есть несколько способов, которыми розничные продавцы начали внедрять виртуальные примерочные на своих сайтах. Matalan использует довольно низкотехнологичное решение, позволяющее покупателям создавать наряды в своем магазине. Хотя это может увеличить объем продаж, это не решает проблему неправильного размера и возврата.

3D примерочная для модных брендов

Виртуальная посадка

При разработке новой коллекции одежды нет необходимости физически шить тестовую одежду, достаточно виртуальной примерки на манекене в любой из дизайнерских программ. Цифровизация процесса проектирования одежды позволяет ускорить цикл разработки одежды и не тратить время и материалы на пошив одного экземпляра.

Параметры виртуального манекена будут соответствовать реальным клиентам, а не быть просто набором значений «по умолчанию» в программе.Дизайнер одежды должен знать, как выглядит настоящая аудитория бренда. Персонализация виртуального примерочного манекена повысит качество и успех новой коллекции одежды.

Возможность сбора больших объемов данных о клиентах превращает производителей одежды в центры обработки данных клиентов. Успех новых коллекций и компании в целом зависит от качества данных и выводов на их основе.

Столы устаревшие

Размерная сетка определяет параметры пошиваемой одежды и регулирует процесс изготовления одежды на фабрике.Данные для размерной сетки должны постоянно обновляться и детально сегментироваться на основе параметров новых коллекций.

Автоматизация процесса сбора замеров клиентов ускорит процесс обновления данных в размерных сетках. Информация о параметрах тела реальных покупателей поможет в анализе успешности продаж конкретных размеров и обеспечит быструю обратную связь с дизайнерами бренда.

Наличие актуальных данных о клиентах поможет бренду найти новые сегменты потенциальных клиентов бренда, начать выпуск коллекций для определенных сегментов аудитории.Разделяй и владей на массовом рынке производства одежды.

Возрождение личного пошива

Автоматическое получение качественных мерок тела решает давнюю проблему изготовления одежды на заказ. Благодаря развитию технологий компьютерного зрения клиенты могут узнать свои измерения в любой точке мира всего за несколько минут — просто сделайте 2 фотографии. Отправка этих данных производителю займет всего несколько секунд.