Mahasiswa PolyU Hong Kong telah bermitra dengan Tim Visi dan Kecantikan Alibaba Group untuk mengembangkan teknologi AI untuk mode pengecer.
Para mahasiswa dari Institut Tekstil dan Pakaian (ITC) Universitas Politeknik Hong Kong telah menciptakan “Kumpulan Data FashionAI” yang pertama untuk analisis sistematis dan pelabelan gambar mode berdasarkan “atribut mode” (karakteristik mode) dan “titik-titik utama” suatu pakaian.
PolyU menjelaskan bahwa dengan mengintegrasikan pengetahuan mode dan formulasi pembelajaran mesin, pembentukan dataset akan memungkinkan mesin untuk lebih memahami mode, “membawa cakrawala baru ke industri mode eceran industri melalui penerapan AI”.
"Mengubah pengetahuan mode menjadi penentuan atribut terkait mode dan kategorisasi item mode dalam basis data gambar mode merupakan tugas yang sangat rumit dan menantang, sekaligus merupakan tugas paling mendasar dalam aplikasi pembelajaran mendalam," jelas Calvin Wong, profesor Cheng Yik Hung di bidang mode dan Kepala Asosiasi ITC.
“ITC senang berkolaborasi dengan Alibaba untuk memenuhi kebutuhan pengecer dan konsumen mode.”
Menglei Jia, insinyur staf senior di tim Visi dan Kecantikan Alibaba, meyakini ada potensi besar untuk aplikasi AI dalam industri mode.
"Agar AI dapat memahami mode, yang bisa sangat subjektif, kita perlu mengubah pengetahuan dan pengalaman mode menjadi bahasa yang dapat dipahami mesin. Kami berharap dapat bekerja sama dengan akademisi dan industri untuk mengeksplorasi aplikasi AI yang lebih luas dalam berbagai skenario termasuk padu padan mode, membantu desain, dan panduan belanja, dengan tujuan untuk menghadirkan nilai-nilai baru bagi industri mode.
“Sektor mode tradisional harus mengadopsi praktik ritel baru, dan kami berharap FashionAI dapat menjadi jembatan yang menghubungkan AI dengan mode.”
Tantangan yang dihadirkan oleh data citra mode
Teknologi pencarian gambar mode terkini yang digunakan pada platform daring didasarkan pada keseluruhan gambar mode untuk mencari gambar yang sama persis atau gambar serupa lainnya. Namun, jika seorang pelanggan tertarik pada beberapa atribut mode tertentu dari suatu gambar mode dan ingin mencari item mode lain dengan atribut tersebut, teknologi pencarian terkini tidak dapat memenuhi kebutuhan pelanggan. Hal ini sangat membatasi potensi pengembangan dan aplikasi untuk menawarkan pengalaman berbelanja yang lebih disesuaikan, jelas PolyU.
Dari sudut pandang penelitian AI, keterbatasan teknologi pencarian gambar saat ini disebabkan oleh tidak tersedianya kumpulan data gambar mode yang dibangun dengan pengetahuan profesional di bidang mode dan memenuhi persyaratan pembelajaran mendalam, yaitu: teknologi saat ini tidak mampu melatih mesin untuk memahami dan mengenali atribut mode dari setiap gambar mode secara akurat.
Memenuhi kebutuhan pengecer mode
Dalam rangka mendorong penerapan AI di industri mode, tim peneliti PolyU yang dipimpin oleh Profesor Wong, bekerja sama erat dengan Alibaba untuk mengembangkan “FashionAI Dataset” guna memecahkan dua masalah mendasar dari algoritma pembelajaran mendalam: “deteksi titik-titik kunci pakaian” dan “pengenalan atribut”.
Titik-titik kunci (misalnya garis leher, manset, garis pinggang) dan atribut mode (misalnya panjang lengan, jenis kerah, gaya rok) membangun fondasi bagi pembelajaran mesin dalam memahami gambar mode. Pembentukan titik-titik kunci dan basis data atribut mode memungkinkan komputer untuk memahami gambar mode secara efektif dan efisien yang merupakan hal mendasar bagi algoritma pembelajaran dan pengenalan mendalam.
Keakuratan deteksi titik-titik kunci ditentukan oleh beberapa faktor seperti dimensi dan bentuk pakaian, jarak dan sudut pengambilan gambar, atau bahkan bagaimana pakaian tersebut ditampilkan atau model berpose dalam foto. Faktor-faktor ini dapat menyebabkan deteksi titik-titik kunci yang buruk dan menghasilkan analisis gambar mode yang tidak akurat oleh komputer. Oleh karena itu, deteksi titik-titik kunci yang akurat dapat meningkatkan kinerja algoritma pembelajaran mendalam.
Atribut mode merupakan elemen desain dasar dari sebuah busana, dan kombinasinya menentukan kategori produk dan gaya dari sebuah item mode. Dengan beragamnya atribut mode, pengenalan atribut merupakan proses yang rumit. Klasifikasi sistematis atribut mode sangat penting untuk memberi label atribut mode secara akurat, memfasilitasi penelitian tentang pembelajaran mendalam dan desain algoritma untuk pencarian gambar mode, menavigasi penandaan dan ide-ide campuran-dan-cocokan, dll.
Dataset ini dapat sangat membantu dalam memahami gambar mode dan desain algoritma terkait, serta mengembangkan pembelajaran mesin. Ini akan membantu meningkatkan akurasi pencarian gambar mode daring, meningkatkan efektivitas penjualan silang dan penjualan atas, menciptakan pengalaman pembelian yang inovatif, dan memfasilitasi kustomisasi platform belanja daring.
Tantangan global
PolyU dan Alibaba akan menyelenggarakan dua acara pertama di dunia – Konferensi AIFT dan Tantangan Global FashionAI – dengan tujuan menghadirkan cakrawala baru bagi industri ritel mode melalui penerapan AI dan mendorong pertukaran pengetahuan di antara para praktisi.
Konferensi AIFT, yang akan diselenggarakan pada tanggal 3-6 Juli di PolyU, merupakan konferensi akademis pertama yang mempertemukan para peneliti, insinyur, dan praktisi untuk berbagi wawasan mereka tentang pengembangan dan aplikasi AI dan mode terkini.
Acara ini akan menjadi kegiatan tahunan untuk pertukaran akademis dan jaringan dengan individu-individu yang berpikiran sama yang mendefinisikan kembali dunia AI dan mode, dan memajukan penelitian AI dalam mode dan tekstil.
FashionAI Challenge mengundang para peneliti dan pengembang AI di seluruh dunia untuk memecahkan dua masalah mendesak terkait penerapan AI dalam mode dengan lebih dari 400,000 gambar dengan anotasi berkualitas tinggi dari platform e-commerce Alibaba. Kompetisi ini menawarkan total hadiah sebesar RMB 1.34 juta. FashionAI Global Challenge 2018 berlangsung mulai sekarang hingga April dan terbuka untuk umum.
