首页
下载应用
提交文章
关于我们
🔥 热搜 🔥
1
百度
2
今日热点
3
微信公众平台
4
贴吧
5
opgg
6
dnf私服
7
百度贴吧
8
知乎
9
dnf公益服
10
百度傻逼
分类
社会
娱乐
国际
人权
科技
经济
其它
首页
下载应用
提交文章
关于我们
🔥
热搜
🔥
1
百度
2
今日热点
3
微信公众平台
4
贴吧
5
opgg
6
dnf私服
7
百度贴吧
8
知乎
9
dnf公益服
10
百度傻逼
分类
社会
娱乐
国际
人权
科技
经济
其它
警察殴打打人学生,舆论撕裂的背后
商场里,卖不掉的“衣服”都去哪了?导购员不会说,内行人却都懂.
骗P天花板?
大摩宏观策略谈:2025中美变局展望
沉浸式消耗补货!这15件妈见夸的平价宝贝,好用到我倒立爬行!
生成图片,分享到微信朋友圈
查看原文
其他
香奈儿们的AI实验室都在做什么?
Original
库珀
数据实战派
2022-01-14
收录于话题
#计算机科学
55 个
#AI伦理
40 个
AI 已经能够在给你播报今日天气时提供穿衣建议。相信你大多数情况下都听进去了。
如果它给你提供美妆建议呢?
包括香奈儿在内,越来越多的美容品牌正在将 AI 技术结合到其产品之中。可是,人工智能如何学习 “美丽” 这个抽象的概念?换句话说,它对你的脸又有何高见?
从提供护肤建议和推荐适合你肤色的化妆选择,到声称实时 “美化” 你的脸的应用程序,AI 正势不可挡地在输出越来越多对美的判断。这些判断,会让一部分人感到科技的魅力和可靠,与此同时,也会有一部分人将感到无所适从。
香奈儿的口红 AI
疫情冲击线下化妆品消费,这让老牌美妆厂商香奈儿不得不另想法子,以刺激目标消费人群。
AI 技术的采用是方法之一。
在 2021 年 2 月份,香奈儿推出了第一款运用了 AI 技术的手机美妆应用程序:Lipscanner。该软件由香奈儿内部创新项目实验室联合内部美妆研究团队开发,可让用户扫描日常生活中遇到的任何颜色或图像,并在扫描后的图像颜色和纹理中找到等效的香奈儿唇部产品,然后进行虚拟试妆。比如说,如果消费者看到一张美妆海报,TA 该如何找到图中模特所使用的口红色号?
在技术方面,Lipscanner 配色的准确度确实令人印象深刻,由于香奈儿的产品种类繁多,仅该品牌就有 400 多种唇部产品可供选择。当识别一个模特的唇部图像时,Lipscanner 却可以很快匹配到相同纹理质地(哑光、光泽等)以及相同颜色的产品选项。
香奈儿 Lipscanner 应用程序演示
选择好产品后,用户就可以通过手机摄像头,基于高精度的面部分析扫描技术,把该色号的口红实时且精准地 “涂抹” 在嘴唇上,通过虚拟效果看看美不美。用户甚至可以扫描自己的包包、衣服等,找一款最搭的口红色号。
口红色号的光泽特质
据了解,Lipscanner 是香奈儿内部化妆专家与机器学习专家联合研发 18 月打造的产品,专利技术是 “密集算法训练”,香奈儿在新闻稿中表示,该算法可以无缝识别和提取任何物理或数字图像的确切唇纹和纹理,以找到最接近的颜色和纹理匹配,并通过 AR 技术在任何面孔上渲染相应的产品,使用户能够尝试最接近想要颜色的妆容,看到完成后的效果。
他们还希望能将此功能用于其他产品类别,例如粉底,因为这种方式简单、有用且有趣,能帮用户大大节省试妆时间。
香奈儿做 AI、AR 智能技术布局并非一枝独秀,诸多美容大牌近年来都一直在尝试使用相关技术丰富产品体验。
在 2020 年,新冠病毒大流行更是加速了应用落地的速度,由于人们无法到店内试用产品或无法在沙龙、水疗中心接受现场美容护理,因此品牌创建了基于技术的创新解决方案,可为人们提供类似的,甚至更好的在家购物或自助护理体验。
除了口红,从个性化的护肤产品到算法生成的香水,其实不断有新方案被创造出来,为美容科技浪潮推波助澜。
一个标志性的事件在 2018 年,欧莱雅斥资收购了一家 AR 公司 ModiFace,揭示了美妆巨头玩技术的决心。据了解,Modiface 曾与多家美妆品牌合作,如丝芙兰和雅诗・兰黛的应用程序,提供 AR 面部配对唇膏、粉底的色调,欧莱雅的此次收购让竞品美妆品牌在 AR 技术方案上必须另起炉灶或寻找新的合作伙伴。
Style My Hair 应用
Modiface 持有众多相关专利技术,曾和欧莱雅合作过一款 APP 应用:Style My Hair,这是一套集成 AI+AR 技术的虚拟发型工具,能帮客户体验百变的时尚发型、专业的烫染发色和效果,并能进行社交分享。
除了软件,Modiface 还开发硬件产品,比如一款能检测肤质气色,自主给你推荐化妆品搭配的镜子:ModiFace Mirror Platform,该硬件平台不仅能针对用户的容颜组合推介产品,而且能实时让她们看到不同的美妆效果如何,以推动消费决策。
近年来,在中国市场推出的 “智能魔镜” 类产品也有着类似的产品逻辑和思路,就是终端产品体验好坏需要另行别论。
包括 Google、YouTube、Snapchat、Pinterest 等平台也都在尝试与美妆品牌创新合作方式,致力于提供虚拟试妆服务。
ModiFace Mirror Platform
美,会更多元还是会更单一?
自虚拟试妆诞生以来,在体验上,业内对该方案的主要质疑是,消费者是否能通过虚拟感受到真实的美妆呈现效果,这对产品的算法和 AR 技术有着越来越高的要求。
虚拟试妆其实并不是什么新鲜的创意,业内多年前已有虚拟试衣、虚拟饰品穿戴等应用,包括很多美图美颜类的应用,逻辑可以说是大同小异,问题的关键在于,化妆是件非常精细化的事情,体验真正做好并不容易。
在早期的时候,笔者曾在线下体验过虚拟类的试装产品,结果是画面非常尴尬,例如,3D 建模不仅没能准确测量尺寸,还会把人体动画弄成畸形,衣服感觉是飘在半空,与人体动作根本不适配的问题,这样的体验不仅不能增加互动,而且顾客会有种被冒犯的感觉。
而在观念的塑造上,这样的虚拟试妆功能,究竟会让人们对美的理解变得更多元还是更狭隘?尤其当虚拟试妆的功能往往要和推荐结合才能产生商业价值。
回答这个问题之前,社交网络上各式各样的美颜滤镜已经和我们共存了一段时间。有了这些滤镜,点击快速自拍按钮,在屏幕上拉动调整栏让皮肤光滑并放大眼睛,似乎都变成了肌肉记忆。曾有研究表明,这些应用程序会增强青少年的外貌焦虑。
HiMirror
是一款智能镜,可使用强大的面部跟踪和检测功能,进而扮演您的日常美容顾问这一角色。它可以分析你的皮肤情况(比如 8 种皮肤属性:红斑,细纹,肤色,毛孔,皱纹,粗糙,黑斑和眼圈),找到瑕疵,然后将结果组合为 1(差)至 - 100(完美),从而推荐 “改良” 产品。根据 HiMirror 创始人 Simon Shen 介绍,90 分是健康的。
这项技术可能会给人留下深刻的印象,但我们真的希望每天出门之前,被突出那些最糟糕的特征吗?当以这样的主观特征来判断我们的外表时,HiMirror 所推广的美学常态或 “完美” 分数对许多用户来说是遥不可及的。
而且,AI 试妆也存在种族歧视的风险,这一点已经得到证实,而且正变得越来越显而易见。
2016 年,深度学习团队 Youth Laboratories 曾推出了仅由机器人评判的比赛
Beauty.AI
。该公司表示,他们的机器人基于 “皱纹,面部对称,肤色,性别,年龄段和种族” 来评估一个人的美丽。当时有 7,000 名参赛者,在选择的 44 名获奖者中,只有一名黑皮肤。
我们完全有理由相信,放眼未来几年,基于 AI 和 AR 技术的持续进化,虚拟试妆势必会是一项越来越综合化的服务,我们可以透过一面智能镜子或一部智能手机,以接近真实的体验尝试不同的妆容效果、发型发色乃至衣着配饰等,并能在最短时间内对接到相应的产品服务或者专业护理建议。与此同时,我们也完全有理由怀疑这些服务提供的价值认可。
墨尔本大学微软社会自然用户界面研究中心 (SocialNUI) 的 Niels Wouters 博士,曾进行过对
人工智能识别性格
的研究。
在谈及算法评价人类长相的吸引力时,她说道:“‘吸引力’ 这个概念对你我意味着什么,完全因人而异。我希望在美容行业和个性化产品中看到一些很有想法的应用,但我们也需要在这里建立界限并认识到 AI 的局限性。”
美容行业需要为自己的行为负责。尽管滤镜、修饰应用程序和面部识别技术会让很多人受益,但比以往任何时候都更重要的是,人类文明中的美是丰富多样的,而上述依赖于人工智能和机器学习的美容应用程序和产品,恐怕还没有发展到能够促进真实世界的多样性和包容性。
几乎所有人的皮肤都会有瑕疵,拥有 “瑕疵” 并不会降低我们的 “吸引力”,而没有瑕疵并不等于 “完美”。只有当 AI 和机器学习应用程序能够拥抱多样性时,美妆美容行业才能真正成为一个进步的地方。
往期推荐
丨包括计算机科学在内,做学术正在变成一门 “家族生意”?
丨 Facebook 等团队文章:动摇卷积神经网络地位,图像 Transformers 还能更优秀
丨
比 GPU 快 15 倍,CPU 算法训练深度神经网络 “超车” 成功
丨
“从业 3 年后,我永远离开 AI 行业的 5 个原因”
丨
Bengio 团队因果学习论文反思:
为何机器学习仍在因果关系中挣扎?
丨出乎意料,MIT 联合团队发现:对抗训练可对机器人产生重大负面影响
丨
“Linux 之父” 论编程之美:在计算机的世界,你就是造物
主
丨
贝叶斯网络之父 Judea Pearl 推荐:迈向可解释的知识驱动系统
丨
ForceNet:一个用于大规模量子计算的图神经网络
丨
2020 图灵奖发布,两位编程语言先驱、《龙书》作者获奖
丨
陈天桥雒芊芊脑机接口中心等团队新成果:超声波 “读脑”,用思想控制机器的新方法
丨
听李宏毅点评 GPT-3:来自猎人暗黑大陆的模型
丨
麻省理工学院学者万字长文:计算机作为一种通用技术的衰落
丨
你的脸是这样丢掉的:人脸数据集的史上最大规模调查
丨
是什么让女性在计算机史上 “隐身” 了?
丨
AI 加剧系统性剥削,这一类人时薪已低至 2 美元
丨
量子 NLP 已来?一英国创企:实现迄今最大规模量子自然语言处理
丨
一家图灵奖得主背书创企的陨落,暴露了 AI 弱国 “恒弱” 的困境?
丨
从本体论到知识图谱, 著名学者 Pascal Hitzler 长文回顾语义网 20 年发展
丨吴恩达团队新研究:在 ImageNet 上优化的模型,真的能更好胜任医学影像任务吗?
丨
华为 AI 水军被推特封禁的背后,谁应为 AI 应用的边界负责?
关于数据实战派
数据实战派希望用真实数据和行业实战案例,帮助读者提升业务能力,共建有趣的大数据社区。
您可能也对以下帖子感兴趣
{{{title}}}
文章有问题?点此查看未经处理的缓存