Les meilleurs films que nous regardons: Da 5 Bloods de Netflix et la nouvelle horreur de Hulu


En mai, la même semaine, Facebook a annoncé Shops, un moyen pour les entreprises de créer des magasins en ligne pour les clients sur Facebook, WhatsApp, Messenger et Instagram, le géant de la technologie a détaillé les systèmes d'IA et d'apprentissage automatique derrière ses expériences de commerce électronique. Facebook a déclaré que son objectif était de développer un jour un assistant capable de proposer des recommandations de produits à la volée, et qui pourrait apprendre les préférences en analysant les images de ce qui se trouve dans la garde-robe d'une personne tout en permettant à la personne d'essayer de nouveaux articles sur des auto-répliques et de vendre des vêtements. que d'autres peuvent prévisualiser.

Une vague d'articles rédigés sur Facebook acceptés à la Conférence sur la vision par ordinateur et la reconnaissance des formes (CVPR) 2020 suggèrent que la société est sur le point de développer les composants de cet assistant. Un article décrit un algorithme qui découvre et quantifie les influences de la mode à partir d'images prises à travers le monde. Un autre montre un modèle d'IA qui génère des modèles 3D de personnes à partir d'images uniques. Et un troisième propose un système qui capture l’affinité des vêtements avec différentes formes de corps.

Les entreprises de commerce électronique comme Facebook Marketplace s'appuient sur l'IA pour automatiser une multitude de tâches en coulisse, des préférences d'apprentissage et des types de corps à la compréhension des facteurs qui peuvent influencer les décisions d'achat. McKinsey estime qu'Amazon, qui a récemment déployé l'IA pour gérer les demandes entrantes des acheteurs, génère 35% de toutes les ventes à partir de son moteur de recommandation de produits. Au-delà du classement, l'IA de startups comme ModiFace, Vue.ai, Edited, Syte et Adverity permet aux clients d'essayer virtuellement des nuances de rouge à lèvres, de voir des images de modèles dans toutes les tailles et de repérer les tendances et les ventes au fil du temps.

Découvrir les influences du style de la mode

En tant qu'ingénieur chez Facebook AI Research, note dans l'un des articles, les vêtements que les gens portent sont fonction de facteurs tels que le confort, le goût et l'occasion, mais aussi d'influences plus larges et plus subtiles comme l'évolution des normes sociales, l'art, la politique, les célébrités, les icônes de style, le temps et «l'humeur» d'une ville dans laquelle quelqu'un vit. Pour cette raison, repérer quantitativement les influences de la mode reste un défi insurmontable.

Filmy One Transform 2020 Online – 15-17 juillet. Rejoignez les principaux dirigeants de l'IA: inscrivez-vous au livestream gratuit.

Le chercheur de Facebook propose alors de découvrir des modèles d'influence dans de grandes galeries de photos et de tirer parti de ces modèles pour prévoir les tendances de style. «Nous soutenons que les images sont exactement les bonnes données pour répondre à de telles questions», ont écrit Kristen Grauman et Ziad Al-Halah, coauteur à l'Université du Texas à Austin, dans le journal. «Contrairement aux données d'achat des fournisseurs, à d'autres métadonnées non visuelles ou au battage médiatique des créateurs de haute couture, les photos de tous les jours de ce que les gens portent dans leur vie quotidienne donnent un aperçu non filtré des styles de vêtements actuels« sur le terrain ».»

La nouvelle approche commence par l'extraction d'un vocabulaire de styles visuels à partir d'images de personnes non étiquetées, géolocalisées et horodatées. (Les chercheurs proviennent de GeoStyle, un corpus de plus de 7,7 millions d'images de personnes dans 44 villes d'Instagram et de Flickr.) Chaque style est un mélange d'attributs visuels détectés; par exemple, on peut capturer des robes à fleurs courtes de couleurs vives tandis qu'un autre capture des chemises à col preppy. Les trajectoires passées de la popularité des styles sont enregistrées pour aider à identifier la préséance temporelle et la nouveauté, où «préséance temporelle» fait référence au moment où la mode d'une ville change avant une influence observée. Ensuite, une mesure statistique calcule le degré d'influence entre les villes, tandis qu'un modèle d'IA exploite les relations photographiques pour anticiper les futurs styles populaires dans n'importe quel endroit.

Dans les expériences, les chercheurs ont exploité les prédictions d'attributs pour représenter chaque photo avec 46 attributs (par exemple, les couleurs, les motifs et les types de vêtements), et ils ont appris 50 styles de mode en fonction de ceux-ci. Pour chaque style, ils ont déduit ses trajectoires de popularité dans les villes individuelles au cours des semaines en utilisant le modèle d'IA susmentionné.

Facebook AI fashion

Ci-dessus: Le nombre d'accords sortant d'une ville de nœud est relatif au poids d'influence de cette ville sur le récepteur. Les accords sont colorés en fonction de la couleur du nœud source – c'est-à-dire de l'influenceur.

Les chercheurs affirment que les résultats ont mis en lumière la propagation des tendances de la mode à travers le monde, révélant (1) quelles villes exerçaient et recevaient plus d'influence sur les autres, (2) qui affectaient le plus les tendances mondiales, (3) qui contribuaient à la un style donné, et (4) comment le degré d'influence d'une ville elle-même a changé au fil du temps. Par exemple, leur approche a découvert que:

  • Les pôles de mode comme Paris et Berlin exercent une influence sur plusieurs villes tout en étant influencés par quelques-unes. Selon les chercheurs, Paris influence quatre villes en Europe tout en étant influencée uniquement par Milan, tandis que des villes comme Jakarta ont une relation d'influence individuelle avec Manille.
  • Alors que certaines villes comme Londres et Rio maintiennent une influence constante dans le temps, d'autres comme Austin et Johannesburg montrent une tendance positive et gagnent plus d'influence dans la mode au fil du temps.
  • Pour certains styles de mode, quelques villes conservent un monopole d'influence sur elles, tandis que d'autres sont influencées presque uniformément par plusieurs villes. Séoul et Bangkok influencent fortement six styles de mode mondiaux, par exemple, tandis que Manille et Jakarta ne les influencent que faiblement.

"Nos résultats suggèrent comment la vision par ordinateur peut aider à démocratiser notre compréhension de l'influence de la mode, remettant parfois en question les perceptions courantes sur les régions du monde qui conduisent la mode", ont écrit les coauteurs. «De plus, nous démontrons qu'en incorporant l'influence, le… modèle de prévision fournit une précision de pointe pour prédire la popularité future des styles.»

Rendu 3D de personnes

Le deuxième article de Facebook propose une technique d'IA pour générer des modèles 3D de personnes habillées, qui pourraient devenir la pièce maîtresse d'un futur assistant de mode alimenté par Facebook. Le système – Reconstruction animable des humains vêtus (ARCH) – permettrait aux utilisateurs de voir à quoi ils ressemblent en portant des vêtements dans diverses poses non seulement en position debout, mais en marchant, assis et accroupi dans une gamme d'environnements et d'éclairage.

ARCH est un framework de bout en bout pour reconstruire des humains habillés en 3D «prêts pour l'animation» à partir d'une seule vue. Un composant de prédiction déduit la pose et la forme du corps, permettant au système de définir un espace sémantique et un champ de déformation en échantillonnant des points autour de la surface du corps et en attribuant des «poids de peau» qui influencent individuellement les transformations des parties du corps habillées. (L'espace sémantique se compose de dizaines de milliers de points 3D où chaque point est associé à des informations sémantiques supportant le rendu, tandis que le champ de déformation est représenté par une opération mathématique qui accomplit réellement le rendu.) Il apprend ensuite une fonction mathématique qui permet la génération de détails comme les rides des vêtements, la coiffure, etc., truqués pour être utilisés comme un avatar animable.

Facebook AI fashion

Au cours d'expériences, les chercheurs ont formé le système à 275 numérisations 3D de l'ensemble de données open source RenderPeople et 207 numérisations d'AXYZ pour un total de 209 520 images. Pour chacun, ils ont produit des images à 360 degrés en faisant pivoter une caméra autour de l'axe vertical d'un intervalle de 1 degré, puis ils ont utilisé 38 cartes d'environnement pour rendre des numérisations avec différentes conditions d'éclairage naturel.

Les coauteurs rapportent que leur modèle a surpassé plusieurs niveaux de référence dans les expériences, produisant des prédictions «plausibles» pour des parties invisibles comme les cheveux et le dos des vêtements et des rides et des coutures plus grandes dans des choses comme les pantalons, les chemises et les chaussures. Ce n’est pas parfait – ils disent que des poses «rares» qui ne sont pas suffisamment couvertes dans les ensembles de données de formation affectent la précision d’ARCH, d’une part – mais ils prévoient de continuer à l’améliorer dans les travaux futurs. Déjà, des recherches connexes de Facebook Reality Labs ont réussi à générer des reconstructions 3D beaucoup plus détaillées de personnes habillées que ce qui était possible auparavant.

S'habiller pour diverses formes de corps

La forme du corps joue un rôle important dans la détermination des vêtements qui conviendront le mieux à une personne donnée, co-écrit un chercheur sur Facebook dans le troisième article, mais les méthodes de recommandation de vêtements d'aujourd'hui adoptent une approche «une forme pour tous». Pour y remédier, le chercheur et un co-auteur introduisent l'inclusion visuelle sensible au corps (ViBE), qui vise à identifier les vêtements qui flattent un type de corps spécifique compte tenu de l'image d'une personne.

L'équipe a commencé par compiler un ensemble de données à partir d'un site Web de magasinage en ligne appelé Birdsnet, qui fournit une gamme de tailles (8 à 18 dans les mesures australiennes) dans la plupart des styles de mode. Chaque article est porté par un certain nombre de modèles dans différentes formes de corps et contient les vues avant et arrière des vêtements ainsi qu'une image du modèle, leurs mensurations et descriptions textuelles.

Facebook AI fashion

Après avoir collecté un total de 958 robes et 999 hauts couvrant 68 mannequins, les chercheurs ont utilisé un modèle pré-formé pour extraire les caractéristiques visuelles des images du catalogue, capturant la couleur, le motif et la silhouette globaux des vêtements. Ils ont recherché les mots les plus fréquents dans toutes les descriptions pour toutes les entrées de catalogue pour créer un vocabulaire d'attributs, puis ont obtenu un tableau d'attributs binaires pour chaque vêtement, qui a capturé des propriétés localisées et subtiles comme des décolletés spécifiques, des coupes de manches et du tissu. Enfin, ils ont estimé un modèle 3D du corps humain à partir de chaque image pour capturer les indices de forme à grain fin.

Les chercheurs ont également développé une approche automatique pour recommander des vêtements aux personnes en fonction de leur morphologie. Il trace la forme du corps d'un sujet dans les représentations apprises et, en s'appuyant sur des modèles formés, prend les 400 vêtements les plus proches et les plus éloignés comme vêtements les plus appropriés et les moins appropriés.

Dans les expériences, pour les sujets minces, ViBE a recommandé des robes plus courtes qui s'adaptent ou s'évasent, qui pourraient montrer leurs jambes. Pour les petites personnes, il a trouvé que les attributs les plus appropriés sont les ceintures et les styles empire qui créent des looks plus grands, ainsi que la broderie et les volants qui augmentent le volume. Pour les formes de corps plus courbes, ViBE a prédit que les attributs les plus appropriés sont les manches longues ou 3/4 qui couvrent les bras, les décolletés en V qui créent une apparence plus mince et les enveloppements ou les fentes latérales qui définissent la taille tout en révélant des courbes autour du haut des jambes.

Facebook AI fashion

ViBE – avec ARCH et le prédicteur d'influence de la mode – semblent être des étapes significatives vers l'assistant de mode de Facebook. Mais à en juger par les déclarations antérieures, la société prévoit que des progrès dans la compréhension du langage, la personnalisation et les expériences de «social-first» doivent émerger avant qu'un assistant de style vraiment prédictif ne devienne une possibilité.

"Nous envisageons un avenir dans lequel (a) un système pourrait … intégrer les recommandations de vos amis sur les musées, les restaurants ou la meilleure classe de céramique de la ville – vous permettant de magasiner plus facilement pour ce type d'expériences", a déclaré la société dans un communiqué. déclaration précédente. «Notre vision à long terme est de construire un assistant de style de vie tout-en-un pour l'intelligence artificielle qui peut rechercher et classer avec précision des milliards de produits, tout en les personnalisant selon les goûts de chacun. Ce même système rendrait les achats en ligne aussi sociaux que les achats avec des amis dans la vraie vie. En allant un peu plus loin, cela ferait avancer la recherche visuelle pour rendre votre environnement réel shoppable. Si vous voyez quelque chose que vous aimez (vêtements, meubles, appareils électroniques, etc.), vous pouvez en prendre une photo et le système trouvera cet article exact, ainsi que plusieurs articles similaires à acheter tout de suite. »



Source link

Pourquoi confectionner une boutique online ?

Un localisation e-commerce donne l’occasion de se lancer à moindres frais dans rapport aux entreprises classiques. De plus, vous pouvez vous lancer autrement rapidement. La gérance d’un circonstances commerce électronique ne demande pas de présence physique à un endroit précis, sauf peut-être quant au stockage et la préparation des commandes que vous avez la possibilité tout à fait externaliser, mais aussi mieux si vous ne possédez pas de modération (on en parlera plus tard dans l’article).