上一篇：《时尚的未来，会以怎样的形式出现？》
智能时尚 vs 时尚智能
不论科技行业时尚化，还是时尚行业智能化，二者的跨界融合已成必然趋势。但首先，我们需要明确，这两个概念的不同，以及共同之处。
智能时尚
更多指对利用纺织、服装、电子、信息、材料、传感及系统控制等技术加工制成的能够感知、响应或适应外界环境变化及刺激的纺织及服装产品（fashion时尚一词也有服装的涵义），如智能纺织品、可穿戴设备等。时尚智能
更多指人工智能在时尚产业价值链的任何一个环节的应用落地，如智能设计、智能制造、智能物流、智能营销和销售等。而他们最大的不同就是：前者更加偏向于硬件（传感器等各类电子元器件），而后者更偏软件（通过计算机编程来实现人工智能算法）。当然在软硬件早已密不可分的今天，这二者之间也存在相当紧密的联系。20世纪60年代，Pierre Cardin（皮尔·卡丹）借着阿波罗登月一热点推出了一系列充满太空高科技元素的头盔、连体衣、透明面罩等，后来Alexander McQueen（亚历山大·麦昆）也将科技融入到自己的系列中。Alexander McQueen 1999年春夏
现如今，科技的发展带动了传统时尚行业的进步，服装不仅具有传统的御寒保暖装饰等作用， 还具备监测人体健康、沟通交流、情绪表达等功能。Google 旗下进科技与计划部门（ATAP）的 Project Jacquard，研究将触控与手势互动能力融入各种布料，关键是如何将棉、丝等布料成分结合合金，导入可传送触控讯号的智能纱线，并以触觉感应（haptics）互动。Google 与牛仔品牌 Levi's 推出的新款牛仔褛，用户只要穿上外套、连接电话的蓝牙讯号，对感测器做出向内、向外、轻拍两下、覆盖等不同手势，就能操作执行包括自拍、音讯、记录、导航、Google 助理等功能。据彭博社报道，Project Jacquard 不是将电子设备缝入或粘合至成衣，而是使用现有工业织机将高科技导电纤维织入面料，以此实现无边无际的创意延伸和时尚设计。Google 公司表明：“对于时尚行业来说，Jacquard 是一块空白画布，设计师可以使用它在设计中添加新的功能层，不仅不限制面料品种，还不必学习相关电子知识。”联想开发的 “SmartVest 智能心电衣”，可以360度扫描用户心脏，随时监控用户导联的心电图，生成心率的数据 ，并可将数据传送至手机端，方便用户了解自身身体情况，并为用户制定健康的训练方案。变色服装最早运用于军事领域，它是指在不同波长的光照下可发生颜色变化的服装，它能依照周围的环境改变颜色，这种 “变色龙军服” 不但可以有效防弹，还能检测到生化武器，防止被袭击，同时还能根据穿着情况调整服装的温度。据俄罗斯红星网近日报道称，“罗斯电子”控股有限公司已经研发出一系列能够 “变色” 的服装。“这种服装是通过智能涂层设计来实现变色功能的。” 该公司新闻发言人称。在航天航空领域，智能服装可以同时监测航天员的体温和呼吸速率，对航天员的这两项生理特征进行实时监控，确保飞行安全。时尚智能更多指将各类计算机技术、人工智能技术等应用于具体场景，主要包括但不限于以下任务。服装解析是指将时尚图像（Fashion Photographs）分割成多个语义上一致的区域，例如，身体部位、衣物、鞋子等。作为一种细粒度的语义分割任务，它比仅是寻找人体轮廓的人物分割更具挑战性。来自论文Parsing Clothing in Fashion Photographs② 风格分类
Wei-Lin Hsiao等人提出了一种无监督的方法来学习一种风格相干（Style-Coherent）的表示。通过算法学习到不同的服装图像风格以及相应风格的浓烈程度。从学院风（Preppy）到哥特风（Goth），波西米亚风（Bohemian）到嬉皮（Hipster）我们常见的电商平台可以让用户直接输入图片来实现以图搜图，或者用户直接拍照来搜索产品。但是有些产品可能不是用户完全想要的，例如以下场景：用户也许只是想要这种带毛领的大衣，但不喜欢它的颜色，那这时用户就希望能够改变产品的某种属性，再进行针对性地搜索。相关论文：
Memory-Augmented Attribute Manipulation Networks for Interactive Fashion Search
④ 服装数字化
主要是利用各类新技术，如AR、VR、3D建模等，在数字世界中对服装产品进行模拟和仿真。目前大多落地在虚拟试衣（Visual Try-on）和服装设计（Fashion Desgin）等领域。一定程度上可代替传统服装产品制造过程中的打样环节（右）
⑤ 服装设计智能化 / 服饰图像生成
目前的研究较主流是利用图像生成来实现辅助设计，而图像生成本质是从现有数据集中生成新图像的任务。近年来，生成图像领域出现了不少成果，其中最前沿的是GAN（Generative Adversarial Nets）,它能直接从数据中学习，生成高保真、多样化的图像。虽然GAN的训练是动态的，而且对各方面的设置都很敏感（从优化参数到模型架构），但大量研究已经证实，这种方法可以在各种环境中稳定训练。SCRY品牌应用GAN，结合近万双鞋款和设计师自身的设计语言，为新鞋款的开发带来了灵感。
狐狸fox：“GAN生成服装成功的客观标准是什么？有没有机会判定其美学价值？”
Tim：“服装设计生产关系目前还是比较中心化的-少数设计师为大众设计服装。如果可以通过智能化将设计的门槛降下来，通过虚拟化将生产和穿搭的门槛降下来，那么是否会产生类似 web2.0 的生产关系-审美标准的更加多元化，人人都是设计师，人人也都是自己风格的模特。” -
欢迎加群与我们进一步分享交流，FashionHack 想和你一起探索、向前！在之后的专栏里，我将详细介绍：深度学习在审美 / 美学、推荐、个性化 / 定制等时尚的细分领域应用。
参考资料：
汪亮,鲜春梅,万军军,等. 军用智能纺织品的发展现状与展望[J]. 棉纺织技术, 2018, 46 (7):87-90.
杨枝.智能服装的现状及发展方向研究[J].轻纺工业与技术,2021,50(03):42-43.
聂耀阳,张丹.智能服饰未来发展走向浅析[J].轻纺工业与技术,2021,50(02):55-57.
穿戴裝置踩入時尚界！Google・Levi’s 合推智能牛仔褸 具自拍導航功能
俄罗斯联邦军队将在不久的将来列装”变色龙“军服：https://kknews.cc/military/ejaoxzq.html
Parsing Clothing in Fashion Photographs：
http://www.tamaraberg.com/papers/parsingclothing.pdf
http://vision.cs.utexas.edu/projects/StyleEmbedding/
Learning human–environment interactions using conformal tactile textiles