CFW时尚
行业新闻、设计资讯一手掌握
CFW设计大赛
比赛征稿、结果公示绝不错过
CFW服装设计
看设计，看趋势，看时尚资讯
CFW服装经理人
精英智慧，交流分享
服装人APP
招人、求职、资讯、大赛全搞定
分享到微信
打开微信扫一扫，即可分享。
小程序打开
微信扫一扫，小程序打开。
核心提示：数十年来，公众先是依靠时尚杂志编辑们总结的“本季 T 台趋势”了解潮流走向，接着是通过电影、电视，然后是街拍。现在，社交媒体被视为时尚民主化的一个新机会。
“你挑了那件蓝色的条纹毛衣，你以为你是按自己的意思认真选出了这件衣服。但是，首先你不明白那件衣服不是蓝色、青绿色或琉璃色，而是天蓝色的;你也不知道，自从 2002 年 Oscar de la Renta 的发布会第一次出现了天蓝色礼服，Yves Saint Laurent 也随之展示了天蓝色军服系列，很快地，天蓝色就出现在随后 8 个设计师的发布会里，然后，它就风行于全世界各大高级卖场，最后大面积地流行到街头，然后就看到你在廉价卖场里买了它。”
关于穿搭这件事，时尚产业一直没有一个足够“民主”的答案。《时尚女魔头》中米兰达的这段台词相对形象地说明了这一点。数十年来，公众先是依靠时尚杂志编辑们总结的“本季 T 台趋势”了解潮流走向，接着是通过电影、电视，然后是街拍。只是，无论信息沟通的方式如何变化，公众在这些媒介中扮演的仍然更多是接收者、而非创造者的角色。
现在，社交媒体被视为时尚民主化的一个新机会，穿搭的创造和消费也好像前所未有地变成了一件可以自己主宰的事。
不过，两个新的问题又随之出现了：在面对更多选择时，如何更好地做判断?以及，当信息渠道被疏通后，购买渠道如何也能变得更通畅，甚至与信息渠道对接起来?
SK Planet 的系统分析图：消费者在输入问询指令后，系统会先识别图片特质、分析 ROI、提取色彩和风格上的特征、寻找最近似的单品
总部位于韩国城南市的电商平台技术公司 SK Plant 最近提出了一个方案。根据 qz 的报道，该公司的机器智能实验室(Machine Intelligence Lab)花一年多时间，研制出一套由虚拟神经系统驱动的、专门针对时尚单品购物的搜索引擎。
简单说，它就是一个模仿助手：只要上传你喜欢的街拍、截图或照片，再输入指令(比如“我想要那双鞋”“我想那条裙子”或者只是“我想穿成那样”)，系统就会自动分析图片，随后在预先分好类的产品目录中找出相同或类似的在售商品供选择。
听上去这个功能就和淘宝的“拍立淘”差不多，它在本质上就是图像搜索技术。根据阿里研究员华先胜的描述，“第一步是训练计算机进行图像理解，也就是通过计算机将图片中的要素，包括人像、颜色、纹理等具体特征，转化为类似文字的‘视觉词’、编成索引……之后是搜索……下一步则是深度学习，大数据分析和大量用户使用反馈。”
不过 SK Planet 的方案还要多一层：随着系统累积了越来越多关于服装、色彩和风格方面的细节，它能够学习时尚圈近期的主流趋势，依据地域提出相应的穿搭建议，比如“这件上衣可以搭什么裤子?”“这个领结可以搭配什么外套?”
为了保证这些建议尽量精准，SK Planet 的研究团队找了许多时尚设计师，归纳出 19 个时装分类以及 90 个与穿搭相关的特点。它们可以排列组合成上千个独特的搭配。
下个月底，这套系统将在韩国最大的电商品台 11Street 上线。
19 个时装分类以及 90 个与穿搭相关的特点
SK Planet 或淘宝当然都不是唯一看准机器学习的例子。今年 6 月，亚马逊雇来了卡内基梅隆大学教授 Alex Smola，主管其云机器学习平台(Cloud Machine Learning Platform)，目标是“让人们能尽量轻松而普遍地应用机器学习”。同月，Google 也宣布将请苏黎世办公室的工程师团队提升其机器学习能力。
看上去很美好是么?不过届时情况可能是这样的：
“啊这身搭配好厉害，尤其是那双袜子我没有诶，要不要买!”
又或者是：
“啊这样穿超级好看，我全买了吧!”
人工智能若是让人类丧心病狂，这倒也不失为一种可能性。
Joe Freshgoods 与 New Balance 推出了合作鞋款，如此个性的色彩搭配，自然也需要一整个服饰系列提供搭配灵感。
版权与免责声明
（1）凡本网注明“来源：CFW服装设计”的所有文章，版权均属CFW服装设计所有，转载请注明“来源：CFW服装设计” 以及“作者姓名”，不得对本网站内容原意进行曲解、修改，违者，本网将追究相关法律责任。
（2）凡本网站注明“来源：xxx（非CFW服装设计）”的稿件，均转载自其它媒体、网站与机构，其转载目的在于传递更多信息，并不代表本网站赞同其观点和对其真实性负责，请读者仅作参考，并请自行核实相关内容。
扫描关注art微信
art移动版
服装人APP