Utilizar modelos generativos en el diseño de moda para visualizaciones rápidas y creación de prototipos. A través de una arquitectura de deep learning que aprende de las imágenes de las prendas se generan diseños de nuevas prendas modificando atributos como el color, la textura y la forma.
Beneficios de negocio
El proceso de diseño suele ser largo y complicado. Dado que el entorno cambia constantemente, las marcas tienen que mantenerse al día con las tendencias más actuales y predecir las preferencias de los consumidores para la siguiente temporada. La inteligencia artificial puede ayudar a automatizar ciertas áreas del trabajo de los diseñadores de moda y aumentar así la eficiencia del proceso, lo que a su vez reduce los costes.
Los sistemas de diseño colaborativo aúnan la experiencia de los diseñadores con la capacidad de los algoritmos de procesar y analizar grandes cantidades de datos e imágenes muy rápidamente para identificar las próximas tendencias, activando así la creatividad de las personas y optimizando el proceso de diseño. De este modo, los retailers pueden contar con una ventaja no sólo en términos operativos, sino también en términos de velocidad.
No se trata de sustituir los procesos humanos, sino de aumentarlos a través de la tecnología. Steve Laughlin, director general de IBM Global Consumer Industries explicó en una entrevista a Forbes a colación de su colaboración con Tommy Hilfiger: «La inteligencia artificial puede ayudar a los equipos de diseño mejorando y reduciendo los plazos generales de entrega, y ampliar su descubrimiento creativo analizando y recordando ideas de miles de imágenes y vídeos mediante la visión artificial. Estos diseñadores también pueden descubrir más fácilmente cómo integrar los colores de moda y los patrones y estilos clave. Se trata de reducir un proceso manual que consume mucho tiempo y recursos, o de ampliar ese elemento de investigación proporcionando acceso a fuentes mucho más amplias que antes”.
Los algoritmos son capaces de detectar aspectos y patrones que la mente humana no puede llegar a comprender ni consumir, permitiendo así a los diseñadores crear conceptos de diseño totalmente nuevos, lo que sin duda hará las delicias de su público.
Tecnologías
Visión artificial
Minería de datos
Retos a los que da respuesta
Casos de éxito
El «diseñador híbrido» de la start-up de moda Stitch Fix cataloga todo su inventario y divide cada prenda en 30 u 80 características, como el color, el largo, el número de botones, la forma del dobladillo, el tejido, el patrón, el tipo de manga o el tipo de cuello. A continuación, un algoritmo evalúa cuáles de estas características son las más populares entre los clientes y comprueba si un artículo concreto del inventario tiene varias de estas características populares. Si no es así, se ha encontrado un vacío en el mercado, lo cual representa una gran oportunidad de ventas. Según el principio «cuanto más, mejor», Stitch Fix asume que cuantas más de estas características populares tenga un artículo, mejor se venderá. Las oportunidades identificadas se presentan entonces a los diseñadores en el lugar de un mood board como punto de inicio del proceso creativo.
Diseño de blusa generada por el algoritmo de Stitch Fix, a partir de dos «blusas padre». Fuente: Stitch Fix
El objetivo de Zalando es crear un proceso de diseño ágil que combine la valiosa experiencia de sus diseñadores con el poder del machine learning. En particular, su equipo de investigadores está actualmente centrado en encontrar formas novedosas de utilizar modelos generativos para realizar visualizaciones y prototipado rápido. Estos modelos permiten a las máquinas aprender patrones de los datos con los que son entrenadas a fin de generar nuevos datos similares. En el caso de Zalando, los datos se corresponden con las imágenes de los artículos de su inventario. Los modelos entrenados con estas imágenes generan diseños de prendas realistas, pero Zalando trabaja ahora en controlar todos los aspectos del contexto del diseño de moda. Su objetivo es controlar atributos de la ropa como el color, la textura y la forma, además de desentrañar los efectos de estos atributos, de modo que cada una de estas características pueda ser manipulada de forma independiente.
Junto con IBM y el FIT (Instituto Tecnológico de la Moda), Tommy Hilfiger lanzó el proyecto «Reimagine Retail». A partir de un archivo de 600.000 imágenes de pasarela, 15.000 imágenes de productos de la marca y 100.000 patrones, una inteligencia artificial generó automáticamente múltiples diseños de siluetas, colores, estampados y patrones novedosos. Con este recurso adicional de inspiración, los diseñadores crearon productos nuevos e inspiradores que no habrían creado por sí mismos. «Como marca, siempre estamos ampliando los límites de lo que es posible a través de la innovación y la disrupción. Estos jóvenes diseñadores encarnan realmente este espíritu al mostrar la exitosa integración de la moda, la tecnología y la ciencia», escribió el Director de marca de Tommy Hilfiger, Avery Baker, en un blog para IBM.
Anna Yang junto a algunos modelos de su colección «Fashion Flair»
La diseñadora de Annakiki, Anna Yang, se alió con Huawei para lanzar “Fashion Flair», su primera colección creada conjuntamente por hombre y máquina. Para ello, una inteligencia artificial fue entrenada con imágenes de moda icónicas junto con un conjunto específico de imágenes de colecciones anteriores de la diseñadora. Una vez procesadas las imágenes, la herramienta tiene la capacidad de crear infinitas propuestas de outfits, presentando un sinfín de posibilidades creativas. Lo único que tuvo que hacer Anna Yang es seleccionar algunas de estas propuestas y darles su toque final para convertirlas en prendas acabadas.
