基于人工智能及3D技术的智能穿衣搭配平台

1、作品名称

基于人工智能及3D技术的智能穿衣搭配平台

2、作品分类

移动应用开发

3、作品描述

建设一款提供时尚穿搭理念，分享心得，与专业穿搭师在线互动，获得精准搭配的解决方案平台，用户可以提供着装场景需求，获取系统智能推荐穿搭方案，并在包含自身体型数据的3D人偶上进行试穿，感受更直观的搭配效果和对应衣物的真实尺码匹配。智能推荐（Tencent Intelligent Recommendation），依托于腾讯海量用户行为和广泛产品覆盖，以数据 + 算法 + 系统为核心，为客户提供基于海量用户画像 + 实时大数据机器学习的内容个性化推荐服务；基于用户画像和候选物料特征，采用机器学习模型，计算用户和各物料的匹配相似性，并按照相似度值排序输出展示，最大程度提升场景下的点击率和转化率，平台吸引搭帮师和商家入驻，用户可以将自己已有的服装照片等资料上传到平台，平台通过图片识别以及用户提交的资料生成该服装简易资料报告，保存到用户个人中心“我的衣橱”中，用户在入驻搭帮平台的商家购买的服装也会自动记录在“我的衣橱”中，搭帮平台通过数据集不断深度学习穿搭潮流，用户向平台提交穿搭需求（比如：场合、季节或者寻找与特定的上衣搭配的鞋裤等），平台智能推荐合适的穿搭推荐，并生成穿搭报告（优先从用户“我的衣橱”中挑选合适的衣服），并推荐合适的商家。

4、创意来源

在当今互联网时代，电商飞速发展，人们生活日益便捷，生活水平日益提高，服装成为购买量最大的物品之一，穿着打扮的问题越来越引起我们现代人的重视，我们的理论基础为：斯坦福大学创新设计思维，遵循互联网应用交互设计基本原则及规范，拥有标准化原型交互设计组件库。我们致力于服装搭配，平台设计规范，界面简洁友好，功能布局得当，为用户提供流畅的使用体验。我们团队立足于河北工业大学廊坊分校，在市区、住宅区、商场等地做了关于服装搭配需求的信息收集整理，团队与老师协商，制定了严谨的项目方案，经过规范的流程，现以到了测试阶段，各项功能已经完备。我们的项目创新就在于基于智能推荐算法实现搭配方案的实时构建，用机器学习的思想来建模，运用协同过滤算法，对用户历史行为数据的挖掘发现用户的喜好偏向，并预测用户可能喜好的产品进行推荐也就是常见的“猜你喜欢”，和“购买了该商品的人也喜欢”等功能。 我们产品的价值在于三点。1、可以给用户提供日常的穿衣搭配方案，并在特定场合或参加各种活动时，提供得体的礼仪服饰。2、可以减轻搭配师的工作量，提高工作效率。3、可以给商家提供当下流行穿搭服饰，在商家进购服饰时提供一定的方向化建议。还可以减轻由于购物目标与商品不匹配而导致的成交流失率。

5、运行环境（所需操作系统、硬件、软件等）

1、技术路线 国内外来看，穿衣推荐主要有两种技术路线： 第一，用传统的动画的方式来做；这也是游戏、动画片里常用的方式，一件衣服，首先由美工手动建模，将衣服的形状、颜色、纹理做出来，另外，由于这件“衣服”要穿在不同人的身上，还要进行仿真。 这是穿衣推荐最经典的做法，但也有很多弊端：首先，效果不够真实；其次，也是最重要的，这种做法的成本很高，手工建模对美工的要求很高，而且，仅渲染一件衣服可能就需要一周的时间。服装的换季节奏很快，这种做法根本无法落地。 第二，用AR的方式，即将衣服的图片“贴”在人体的图片上；图片能保证衣服的效果更真实，这种做法的成本也更低，但“贴图”也意味着穿衣推荐的效果大打折扣。 第三，用人工智能辅助的方法，目前这类路线在国内外潜在应用市场非常大，以人工智能+智能推荐的方式运用在穿衣搭配方面具有很大潜力和可行性。 2、技术应用 （1）智能推荐（Tencent Intelligent Recommendation） 依托于腾讯海量用户行为和广泛产品覆盖，以数据 + 算法 + 系统为核心，为客户提供基于海量用户画像 + 实时大数据机器学习的内容个性化推荐服务；基于用户画像和候选物料特征，采用机器学习模型，计算用户和各物料的匹配相似性，并按照相似度值排序输出展示，最大程度提升场景下的点击率和转化率。 （2）基于模型的协同过滤(Model-based Collaborative Filtering) m个物品，m个用户的数据，只有部分用户和部分数据之间是有评分数据的，其它部分评分是空白，此时我们要用已有的部分稀疏数据来预测那些空白的物品和数据之间的评分关系，找到最高评分的物品推荐给用户。对于这个问题，用机器学习的思想来建模解决，主流的方法可以分为：用关联算法，聚类算法，分类算法，回归算法，矩阵分解，神经网络,图模型以及隐语义模型来解决