وقتی در یک فروشگاه آنلاین روی گزینه «پرو مجازی» کلیک می‌کنید و چند لحظه بعد لباس انتخاب‌شده را روی تصویر خودتان می‌بینید، پشت این تجربه مجموعه‌ای از روش‌های پردازش تصویر و مدل‌های هوش مصنوعی قرار دارد که معمولاً با اصطلاح Virtual Try-On یا VTON شناخته می‌شوند.
هدف VTON این است که اطلاعات تصویر یک شخص و یک لباس را با هم ترکیب کند و تصویری جدید بسازد که در آن ظاهر تقریبی لباس انتخاب‌شده روی همان فرد دیده شود.
اما این کار بسیار پیچیده‌تر از قرار دادن ساده یک عکس روی عکس دیگر است. سیستم باید وضعیت بدن، لباس فعلی، دست‌ها، بخش‌های پوشیده‌شده، شکل محصول و جزئیات تصویری را تا حدی درک کند.
VTON چیست؟
VTON مخفف Virtual Try-On به معنی پرو مجازی است.
در حوزه پوشاک، این فناوری تلاش می‌کند یک پیش‌نمایش تصویری از لباس روی شخص ایجاد کند؛ بدون اینکه کاربر واقعاً لباس را بپوشد.
در یکی از رایج‌ترین سناریوها، سیستم دو ورودی اصلی دارد:
- تصویر شخص
- تصویر لباس
خروجی، تصویر جدیدی است که در آن لباس انتخاب‌شده روی شخص نمایش داده می‌شود.
چرا VTON فقط یک ویرایش ساده عکس نیست؟
فرض کنید بخواهیم یک پیراهن را روی تصویر شخص قرار دهیم.
اگر فقط عکس پیراهن را روی بدن قرار دهیم، نتیجه طبیعی نخواهد بود.
سیستم باید بتواند مواردی مثل این‌ها را مدیریت کند:
- محل قرار گرفتن لباس روی بدن
- وضعیت دست‌ها
- زاویه بدن
- بخش‌هایی از لباس که باید پشت دست یا مو قرار بگیرند
- حفظ چهره و هویت شخص
- هماهنگی نور و بافت تصویر
مرحله اول: دریافت تصویر شخص
اولین ورودی معمولاً تصویر فردی است که قرار است لباس را به‌صورت مجازی امتحان کند.
کیفیت این تصویر اهمیت زیادی دارد.
تصویر واضح، نور مناسب و زاویه نسبتاً طبیعی می‌تواند اطلاعات بیشتری در اختیار مدل قرار دهد.
در مقابل، تصاویر بسیار تار، زاویه‌های پیچیده یا عکس‌هایی که قسمت بزرگی از بدن در آن‌ها پوشیده شده است می‌توانند پردازش را دشوارتر کنند.
مرحله دوم: دریافت تصویر لباس
سیستم باید اطلاعات بصری محصول را نیز دریافت کند.
برای مثال:
- شکل کلی لباس
- رنگ
- بافت
- طرح
- آستین
- یقه
- جزئیات قابل مشاهده
هرچه لباس در تصویر واضح‌تر باشد، اطلاعات ورودی سیستم نیز بهتر خواهد بود.
مرحله سوم: تحلیل تصویر شخص
بسته به معماری سیستم، ممکن است اطلاعات مختلفی از تصویر استخراج شود.
برای مثال مدل باید بتواند بخش‌هایی مثل بدن، لباس فعلی، دست‌ها و ناحیه‌ای که قرار است تغییر کند را تا حدی از یکدیگر تشخیص دهد.
روش دقیق انجام این کار بین مدل‌های مختلف متفاوت است و همه سیستم‌های VTON از یک معماری ثابت استفاده نمی‌کنند.
مرحله چهارم: تحلیل لباس
در این مرحله ویژگی‌های تصویری لباس استخراج می‌شوند.
هدف این است که مدل در تصویر جدید تا حد امکان ظاهر و ویژگی‌های اصلی محصول انتخاب‌شده را حفظ کند.
مرحله پنجم: هماهنگ کردن لباس با وضعیت بدن
یکی از دشوارترین بخش‌های پرو مجازی، هماهنگ کردن لباس با ژست شخص است.
برای مثال اگر دست فرد جلوی بدن قرار گرفته باشد، لباس نباید به‌صورت غیرطبیعی روی دست نمایش داده شود.
همچنین فرم لباس باید با موقعیت بدن هماهنگ شود.
مدل‌های مولد چه نقشی دارند؟
در نسل جدید سیستم‌های پرو مجازی، مدل‌های مولد تصویر نقش مهمی دارند.
این مدل‌ها می‌توانند بر اساس اطلاعات شخص و محصول، تصویر جدیدی تولید کنند که شرایط تعیین‌شده را رعایت کند.
یکی از خانواده‌های مهم مدل‌های مولد، مدل‌های Diffusion هستند.
Diffusion چیست؟
مدل‌های Diffusion نوعی مدل مولد تصویر هستند که می‌توانند با دریافت اطلاعات شرطی، تصویری جدید ایجاد کنند.
در پرو مجازی، شرط می‌تواند شامل اطلاعات تصویر شخص و لباس باشد.
هدف فقط ساخت یک تصویر زیبا نیست؛ مدل باید تا حد ممکن هم هویت شخص و هم ویژگی‌های محصول را حفظ کند.
چرا کیفیت خروجی‌ها متفاوت است؟
ممکن است یک لباس روی دو عکس متفاوت از یک نفر نتایج متفاوتی ایجاد کند.
دلایل مختلفی برای این موضوع وجود دارد:
- نور تصویر
- ژست فرد
- کیفیت عکس
- نوع لباس
- وجود اشیای مزاحم
- پوشیده شدن بخش‌هایی از بدن
- کیفیت تصویر محصول
چرا دست‌ها یکی از قسمت‌های دشوار VTON هستند؟
دست‌ها می‌توانند بخشی از لباس را بپوشانند.
در این شرایط مدل باید تشخیص دهد چه قسمت‌هایی از لباس باید پشت دست باقی بمانند و چه قسمت‌هایی باید بازسازی شوند.
ژست‌های بسیار پیچیده معمولاً مسئله را دشوارتر می‌کنند.
آیا VTON شکل واقعی لباس را دقیق شبیه‌سازی می‌کند؟
خروجی VTON یک پیش‌نمایش تصویری است.
بنابراین نباید آن را شبیه‌سازی کامل رفتار فیزیکی پارچه در نظر گرفت.
ویژگی‌هایی مثل وزن پارچه، کشسانی، فشار روی بدن یا فیت دقیق لباس لزوماً از یک تصویر قابل تعیین نیستند.
VTON و پیشنهاد سایز چه تفاوتی دارند؟
VTON بیشتر به این سؤال پاسخ می‌دهد:
«این لباس از نظر ظاهری روی من چگونه دیده می‌شود؟»
اما یک سیستم پیشنهاد سایز باید به سؤال دیگری پاسخ دهد:
«کدام سایز برای من مناسب‌تر است؟»
این دو فناوری می‌توانند مکمل یکدیگر باشند اما یک قابلیت واحد نیستند.
یک فروشگاه چگونه از VTON استفاده می‌کند؟
فروشگاه می‌تواند قابلیت پرو مجازی را مستقیماً در صفحه محصول قرار دهد.
مشتری:
- محصول را انتخاب می‌کند.
- روی پرو مجازی کلیک می‌کند.
- تصویر خودش را وارد می‌کند.
- نتیجه را مشاهده می‌کند.
- به خرید ادامه می‌دهد.
برای آشنایی با محصول پوشینو:
مشاهده پرو مجازی لباس با هوش مصنوعی
برای سایت اختصاصی چطور؟
فروشگاه‌هایی که زیرساخت اختصاصی دارند می‌توانند از روش‌های فنی مناسب برای اتصال استفاده کنند.
چگونه خودمان VTON را امتحان کنیم؟
بهترین راه برای درک فناوری این است که آن را با یک تصویر واقعی و یک محصول واقعی آزمایش کنید.
جمع‌بندی
VTON ترکیبی از پردازش تصویر، تحلیل شخص و لباس و تولید تصویر است.
هدف آن ایجاد یک پیش‌نمایش قابل فهم از لباس روی تصویر فرد است، نه اندازه‌گیری دقیق بدن یا تضمین فیت واقعی لباس.