目前，時尚行業中人工智慧（AI）技術的應用範圍仍主要集中在簡化流程與提高銷售轉化率層面。在傳統意義上，時尚企業決策者們仍然習慣於通過自動化提升效率、通過影象識別檢測產品缺陷與假冒商品，以及通過個性化推薦提高銷售轉化率等。很明顯，AI技術中的創造性潛力尚未得到充分開發，而疫情流行帶來的衝擊有望給時尚行業全面推行數字化設計與展示方法帶來重大機遇。為什麼說AI的創造力並未得到充分利用，設計師與各大品牌在這方面又有什麼樣的發展空間？更進一步，AI技術是否必然會被引入服裝設計與展示用例當中？
倫敦時裝學院時尚創新機構負責人Matthew Drinkwater認為，“人工智慧最初的應用側重於可量化的業務需求，因此初創企業可以從這個角度為大品牌提供服務。但由於創造力很難量化，所以這方面應用的普及時間往往更晚一些。”
從實際角度出發，時裝設計師與電腦科學家之間的鴻溝又是另一個重大限制。倫敦時裝學院也意識到了這一點，並於最近開始為20名時裝系學生志願者開設了為期8周的AI課程。他們在這裡學習如何通過Python程式設計收集時裝資料，而後藉此開發出創造性的時裝解決方案與體驗。當被問及AI技術在時尚領域的應用潛力時，Drinkwater指出，“對我來說，這裡強調的是演算法的不可預測性。”他承認設計師本身已經極富創造力，但神經網路的創意同樣有可能帶來令人意想不到的效果。AI技術的介入，甚至有可能挑戰我們對於時裝設計或者成果展示的基本認知。
這一AI課程是由時尚創新機構（FIA）與麻省理工學院媒體實驗室的Pinar Yanardag博士合作開發的。國際汽聯的3D設計師Costas Kazantzis負責課程內容編寫，併為課程提供一套用於AI驅動型時裝秀的3D場景。他在一次Zoom採訪中解釋稱，學生們“以往從未接觸過編碼”，但對於圖案剪裁（成衣結構）與時裝策展倒是擁有豐富的知識。在他看來，雖然課程中涉及的僅僅只是入門級的Python技能，但這“有助於讓他們了解AI的技術特性，並藉此將兩個領域結合起來。”
課程中使用的AI模型為生成對抗網路（GAN），這是一種機器學習型別，強調同時訓練兩套相互對抗的模型：其一為生成器（設計器），用於學習如何創建出看似真實的影象；其二為鑑別器（評論器），負責準確分辨影象的真偽。在訓練過程中，生成器將不斷創建出愈發逼真的影象，而鑑別器則努力從中找出偽造品。以創造性方式應用這套方案之後，計算機生成的影象與移動軌跡開始變得越來越自然（特別是在美學層面具有愉悅感）。
學生們組成團隊，通過概念驗證設計展示了AI技術在時尚領域的勝任，並了解如何收集適當資料以訓練自己的演算法。此次課程涵蓋一系列AI應用方法，包括訓練AI模型以對服務專案進行分類，通過社交媒體預測時尚趨勢，以及據此完成樣式轉換並探索新的設計方向等。此項課程的核心，在於組織一場虛擬時裝秀——總體素材來自以往真實走秀片段，但背景換成了新的3D環境，模特們穿著的也將是3D服裝。Drinkwater認為，“即使是不太熟悉時尚行業的年輕人，也可以通過這種協作突破自己的能力極限。”
在討論虛擬時裝秀的工作流程時，Kazantzis解釋道，計算機視覺演算法能夠從原有時裝表演視訊中估算骨骼運動資料，而後使用另一種演算法將這些資料轉換為3D姿態模擬，並將其應用於Blender中的3D傾向，從而在原始視訊中複製模型的運動。
使用CLO軟體為化身模特設計服裝、為其設定動畫，並使用樣式遷移（通過卷積神經網路，簡稱CNN，識別出圖案、紋理及顏色等，而後將設計結果放置在服裝之上）開發出新的紡織方式與服裝表面。此次虛擬時裝秀的3D環境使用Unity遊戲引擎構建而成，Kazantzis也高度讚賞了Unity提供的虛擬設計與靈活輸出（包括VR與AR應用程式）選項。他使用粒子系統建立包括霧在內的天氣效果，甚至在水下環境中建立了水母等多種海洋生物。在匯入動畫服裝與紋理之後，Unity即可將全部素材整合起來，創造出終極體驗並匯出為VR場景。設計成果可以用於360度導航網站，或者在Sketchfab中提供AR體驗。總體而言，AI技術在開發創意產品、環境設計並生成身臨其境般的內容方面，擁有極為強大的能力。
Katzantzis還與倫敦時裝學院2019年圖案與服裝技術課程畢業生Greta Gandossi（同時擁有建築學學位）以及Tracy Bergstrom（擁有資料科學背景）攜手合作。三人構成一條管道，從歸檔素材中提取姿態，建立3D服裝並將成果匯入Unity。Mary Thrift、Tirosh Yellin與Ashwini Deshpande等在校學生也一同參與了虛擬時裝秀的設計工作。
本輪AI課程於今年3月開始，作為概念驗證的虛擬時裝秀則於6月完成。這樣的速度無疑令人難以置信，也不禁讓人好奇這種內容創作方式是否適用於不同規模的廠牌與時尚企業。Matthew Drinkwater給出的答案是“當然可以，而且此類專案能夠嚴格根據預算水平進行設計。我們使用的GPU越多，得出的結果就越是令人印象深刻。”另外，他也意識到這方面工作需要多種多樣的技能組合，而這一切也會給專案週期帶來影響。但無論如何，他堅信“在接下來的一段時間內，必然會出現更多時尚與AI聯手的用例。”
這場概念驗證時裝秀將作為本屆倫敦時裝週第五天的釋出內容。在本屆時裝週上，大多數品牌選擇線上直播自己的時裝表演，或是在指定的“釋出時間”線上開放概念或時裝表演視訊。Launchmetrics的統計資料表明，這類數字展示方法產生的參與度還遠遠低於實體時裝表演。AI生成的虛擬時尚體驗能否重塑時裝秀的未來？與從業企業們的呼叫類似，Drinkwater表示“很明顯，時裝週需要不斷髮展以提供更加多樣化且可訪問的體驗。必須承認的一點在於，我們的實體與數字生活的邊界正變得越來越模糊，未來的時裝秀必然與過去的傳統展示活動大不相同。”
以創意方式運用AI技術的幾種重要方式，包括使用計算機創作藝術品。其中一幅作品於2018年在佳士得拍賣行以432500美元的價格售出（比預估價高出45倍）。這幅《Edmond Belamy肖像畫》由自學成才的AI藝術家Robbie Barrat使用GAN模型與巴黎藝術團體Obvious合作創作。Barrat還參與了巴黎世家組織的AI時裝秀，併為時尚品牌Acne Studios訓練了神經網路以協助設計其AW20男士系列產品。在消費者與市場營銷方面，深度偽造（deep fake）技術讓消費者們也能親身融入到自己夢寐以求的品牌形象當中。此外，RefaceAI應用則能夠將使用者的面部替換進品牌視訊，並在近期與Gucci進行測試合作期間每天進行超過百萬次“換臉”與40萬次轉發。
圖：Mathilde Rougier利用廢舊材料創作的全新紋理效果
在實驗方面，為了通過廢棄物的迴圈利用以解決可持續問題，時裝設計專業研究生Mathilde Rougier正使用卷積神經網路（CNN）設計類似於樂高積木的連環扣鎖型下垂面料，藉此推出新的時尚產品。她的努力，標誌著時裝設計、人工智慧與可持續發展問題之間的融合正邁向新的高度。
時尚領域的創意AI尚處於起步階段，但發展勢頭正在明顯增強。隨著時尚教育與時尚行業中3D數字設計思維的迅速推廣，再結合疫情衝擊下實體展示能力的嚴重受限，AI技術有望得到廣泛運用並激發行業的整體創造力。如果一群沒有任何編碼經驗的學生都能夠在幾個月以及有限的預算之下拿出這樣的成果，相信專業時尚行業會帶給我們更大的驚喜。