پوشش مجازی با هوش مصنوعی: چگونه زارا، لیوایز و ایسوس تجارت الکترونیکی را بازتعریف می‌کنند

اتاق پرو همیشه مهم‌ترین دارایی و بزرگ‌ترین مانع تبدیل‌کننده خرده‌فروشی بوده است. مد آنلاین دو دهه را صرف تکرار اطمینان لمسی پوشش لباس کرد، با نتایج متغیر. این تغییر حول سال‌های ۲۰۲۲ تا ۲۰۲۴ معنی‌داری پیدا کرد، زمانی که فروشندگان بزرگ سیستم‌های پوشش مجازی هوش‌مصنوعی را مستقر کردند که بسیار فراتر از قرار دادن تصویر مسطح روی مانکن رفتند. درک اینکه این سیستم‌ها واقعاً چه کار می‌کنند — و چه کاری نمی‌توانند انجام دهند — برای هرکسی که در ساخت لباس درگیر است، از طراحان مستقل تا کارگاه‌های کوچک، بسیار مهم است.

پوشش مجازی هوش‌مصنوعی واقعاً چه کار می‌کند

در ساده‌ترین حالت، پوشش مجازی نمایش دوبعدی لباس را بر روی مدل بدن انسانی نگاشت می‌کند. رویکرد قدیمی‌تر، هنوز در پیاده‌سازی‌های ارزان بودجه رایج، تصویر محصول را روی تصویر مدل ثابت با تبدیل‌های آفاین ساده قرار می‌دهد. نتایج چسبیده به نظر می‌رسند و در شبیه‌سازی آویختگی، کشش یا رفتار پارچه تحت حرکت ناکام هستند.

سیستم‌های مدرن از خط لوله متفاوتی استفاده می‌کنند. آن‌ها بینایی کامپیوتری برای تقسیم‌بندی بدن، شبیه‌سازی پارچه بر اساس فیزیک با اطلاعات واقعی پارچه، و رندرینگ عصبی برای تولید خروجی واقع‌گرایانه را ترکیب می‌کنند. مصرف‌کننده تصویری آپ‌لود می‌کند یا از دوربین زنده استفاده می‌کند؛ سیستم نقاط اساسی بدن را تخمین می‌زند، شبکه بدن سه‌بعدی را از سیگنال‌های دوبعدی استخراج می‌کند، و سپس هندسه لباس را روی آن شبکه پیچ می‌دهد و وزن پارچه، کشش‌پذیری و درزهای ساخت را در نظر می‌گیرد.

آنچه در سمت لباس مورد نیاز است دقیقاً همان داده‌های ساختاری است که از مهندسی الگو ناشی می‌شود: موقعیت درزها، حاشیه‌های آسایش، خطوط دانه، و ویژگی‌های مکانیکی پارچه. الگویی که خوب مستند و دیجیتالی شده است، خروجی پوشش مجازی بهتری نسبت به الگویی که از اسکن نمونه فیزیکی بازسازی شده باشد تولید می‌کند. این تصادفی نیست — این دلیلی است که کیفیت الگوی اساسی مستقیماً بر کیفیت شبیه‌سازی مجازی تأثیر می‌گذارد.

چگونه زارا، لیوایز و ایسوس آن را مستقر کردند

هر یک از این فروشندگان رویکرد متمایزی اتخاذ کرد که منعکس‌کننده مقیاس تولید و پایگاه مشتریان آن‌ها است.

زارا ویژگی پوشش مجازی خود — که به عنوان تجربه پوشش مدل برند شناخته می‌شود — را در سال ۲۰۲۲ معرفی کرد، که مشتریان را قادر می‌سازد مدلی را انتخاب کنند که تقریباً نوع بدن و قد آن‌ها را تقریب می‌کند و لباس را روی آن شکل ببینند. تا سال ۲۰۲۳، Vogue Business گزارش کرد که Inditex (شرکت مادر زارا) متعهد شده‌است جریان‌های ایجاد محصول دیجیتالی را برای بخش قابل‌توجهی از کالکشن‌های خود تولید کند و تعداد نمونه‌های فیزیکی مورد نیاز قبل از تأیید تولید را کاهش دهد. سیستم بر گومانی‌های دیجیتالی لباس متکی است که در اوایل چرخه توسعه محصول ایجاد می‌شوند.

لیوایز با یک پلتفرم آواتار دیجیتالی همکاری کرد تا تنوع مدل شخصی‌شده را ارائه دهد، به‌ویژه به نقد دیرینه‌ای که تصاویر مد دامنه بدن‌هایی که واقعاً لباس می‌خرند را نمایندگی نمی‌کند، پاسخ می‌دهد. اجرای آن‌ها از اندازه‌گیری‌های ارائه‌شده مصرف‌کننده برای مطابقت با بدن‌های آواتار از قبل رندر شده استفاده می‌کند. فرض اساسی این است که اطمینان از تناسب، نه تنها زیبایی‌شناسی، تصمیم‌های خرید را هدایت می‌کند — به‌خصوص برای دنیم، جایی که انتظارات تناسب بالا و عدم‌ثبات سایز در سراسر صنعت خوب مستند است.

ایسوس نسخه خود از فناوری تناسب را از طریق ابزار Fit Assistant خود انجام داده است، که از داده‌های خریداری و بازگشت تاریخی برای تولید توصیه‌های سایز استفاده می‌کند. اخیراً، ایسوس عملکرد تجربه بصری را ادغام کرده است که بر اساس داده‌های بدن است که مصرف‌کنندگان در حین فرآیند بازگشت قبلاً فراهم می‌کنند. بر اساس گزارش‌های Sourcing Journal، ایسوس کاهش معنی‌داری در بازگشت‌های مرتبط با سایز در بازارهایی که ابزار به‌طور کامل مستقر شده است را ذکر کرده است، اگرچه شرکت در انتشار اعداد مطلق احتیاط کرده است.

مسئله بازگشت که این ابزارها حل می‌کنند

انگیزه تجاری واضح است. بر اساس داده‌های منتشر‌شده توسط National Retail Federation (NRF) در گزارش «بازگشت‌های مصرف‌کننده در صنعت خرده‌فروشی» سال ۲۰۲۳، نرخ بازگشت لباس آنلاین در ایالات متحده حدود ۲۴ تا ۲۶ درصد فروش ناخالص بود — در مقابل حدود ۸ تا ۱۰ درصد برای خریدهای فروشگاهی. بخش قابل‌توجهی از آن بازگشت‌ها به مسائل تناسب و سایز نسبت داده می‌شود. در مقیاس بزرگ، هر بسته بازگشتی خرده‌فروش را بین ۱۵ تا ۲۵ یورو در لجستیک، تجدید موجودی و استهلاک تحمیل می‌کند، بدون احساب هزینه محیطی.

کاهش حتی ۳ تا ۵ نقطه درصدی در نرخ بازگشت برای خرده‌فروشی که میلیون‌ها سفارش در سال پردازش می‌کند به ده‌ها میلیون یورو در حاشیه بازیافت‌شده ترجمه می‌شود. این مورد تجاری است که سرمایه‌گذاری این شرکت‌ها در زیرساخت پوشش مجازی را توجیه کرد. فناوری اساساً ابزار بازاریابی نیست — این یک بازی کارایی زنجیره تامین است.

آنچه فناوری هنوز نمی‌تواند خوب انجام دهد

صراحت در مورد محدودیت‌های فعلی ضروری است اگر این فناوری به‌طور جدی ارزیابی شود.

اول، بافت پارچه و احساس دستی غیرممکن برای انتقال دیجیتالی هستند. شبیه‌سازی می‌تواند نشان دهد که پارچه چگونه آویخته می‌شود اما نمی‌تواند منتقل کند که آیا مخلوط کتان تیز است یا نرم، یا اینکه جرسی پس از شستشو چگونه دارای خرج خواهد بود. این بدان معناست که پوشش مجازی برای تصمیمات تناسب ساختاری (آیا این شکل روی بدن من کار می‌کند؟) مؤثرترین است و کمترین اثر برای ارزیابی کیفیت مواد است.

دوم، دقت بازسازی شبکه بدن از یک تصویر مصرف‌کننده بسیار متغیر است. حالت، روشنایی، انباشت پس‌زمینه، و لباسی که در تصویر مرجع پوشیده شده‌اند همگی نویز ایجاد می‌کنند. ابزارهای رو به مصرف‌کننده اغلب با تلورانس‌های سخاوتمندانه جبران می‌کنند، که می‌تواند منجر به پیش‌نمایش تناسب به‌طور سیستماتیک خوش‌بین شود.

سوم — و این برای طراحان مستقل و کارگاه‌های کوچک اهمیت بیشتری دارد — این سیستم‌ها به زیرساخت داده قابل‌توجهی نیاز دارند. فروشندگان بزرگ می‌توانند در ساختن یا ترخیص مجموعه‌های اسکن بدن، آموزش مدل‌های رندرینگ، و ادغام جریان کار توأم دیجیتالی از ابتدای فرآیند طراحی سرمایه‌گذاری کنند. برای طراحی‌گری که ۵۰ عنصر در فصل تولید می‌کند، این خط لوله آماده‌ای وجود ندارد.

شکاف بین آنچه خرده‌فروشی سازمانی می‌تواند مستقر کند و آنچه برای طراحان مستقل در دسترس است بسیار گسترده است. مقایسه مفید:

آنچه طراحان مستقل و کارگاه‌ها امروز می‌توانند انجام دهند

نتیجه عملی برای طراحانی که خارج از خرده‌فروشی سازمانی کار می‌کنند تکرار آنچه زارا یا ایسوس ساخت نیست — این نیاز به منابع سرمایه‌گذاری و مهندسی دارد که در مقیاس کوچک واقع‌بینانه نیست. درس مرتبط اپ‌سترِم است: کیفیت و ساختار مستندات الگوی شما تعیین می‌کند که شما تا چه حد برای شرکت در جریان‌های کار دیجیتالی آماده هستید که با دسترسی‌پذیری بیشتر می‌شوند.

لباسی که بر روی الگوهای خوب طراحی‌شده و تدوین‌شده‌ای با حاشیه‌های آسایش مستند‌شده و منطق ساخت ساخته شده‌اند ورودی‌ای هستند که هر سیستم شبیه‌سازی دیجیتالی نیاز دارد. صرف‌نظر از اینکه آن شبیه‌سازی برای پوشش مجازی، تأیید تناسب قبل از برش، یا انتقال نیت ساخت به یک ماشینکار دوردست استفاده می‌شود، الگو بنیاد است. الگویی که فقط به عنوان الگوی فیزیکی روی کاغذ قهوه‌ای وجود دارد، با اندازه‌گیری‌های حافظه سازنده، نمی‌تواند در هیچ ابزار دیجیتالی پایین‌دستی وارد شود.

برای کارگاه‌ها و طراحان مستقلی که می‌خواهند بدون سرمایه‌گذاری سطح سازمانی به سمت جریان‌های کار دیجیتالی حرکت کنند، نقطه شروع واقع‌بینانه دیجیتالی‌سازی و ساختاردهی الگوهای موجود، درک منطق تدوین، و کار با ابزاری است که فایل‌های الگو قابل‌صادرات و منطبق بر استاندارد تولید می‌کند. MPattern دقیقاً برای این نقطه ورود طراحی‌شده‌است — ایجاد و مدیریت الگوی درجه حرفه‌ای را بدون نیاز به پس‌زمینه صنعتی CAD یا تیمی از تکنسین‌ها فعال می‌سازد.

موسسه فن‌آوری مد و چندین دانشکده نساجی اروپایی شروع کرده‌اند تا جریان‌های کار الگوی دیجیتالی را در برنامه درسی خود ادغام کنند، به‌ویژه زیرا اجماع صنعتی این است که داده الگوی ساختاری پیش‌نیاز برای هر برنامه دیجیتالی بعدی است، شامل پوشش مجازی.

مسیر صنعت گسترده‌تر

Vogue Business و Business of Fashion هر دو شتاب ایجاد محصول دیجیتالی در سراسر زنجیره تامین را از سال ۲۰۲۱ ردیابی کرده‌اند، و تصریح می‌کنند که فشردگی جدول زمانی توسعه ناشی از جائحه برند‌ها را به تصویب نمونه دیجیتالی جریان‌های کار سریع‌تر از پیش‌تر پیش‌برنامه‌ریزی شده سوق داد. پوشش مجازی یک خروجی دیدنی رو به مصرف‌کننده از تغییر بسیار بزرگ‌تری در جهت درمان داده لباس به عنوان دارایی دیجیتالی ساختاری از اولین نقطه در فرآیند طراحی است.

برای بخش مستقل، این مسیر هم فرصت و هم فشار است. برندهایی که الگو و داده‌های محصول خود را خوب ساختار‌بندی کرده‌اند تدوین الگو دیجیتالی را بسیار راحت‌تر می‌یابند، ابزارهای تجارت‌الکترونیکی مستقیم به مصرف‌کننده، و در نهایت سیستم‌های پوشش مجازی هنگامی که در نقاط قیمت دسترسی‌پذیرتر در دسترس می‌شوند. آن‌هایی که آن کار بنیادی را انجام نداده‌اند با هزینه جبران رو به رو خواهند شد.

خود فناوری به بهبود ادامه خواهد داد. دقت بازسازی بدن از تصاویر تک به حوزه تحقیق فعال است، با گروه‌های دانشگاهی در ETH زوریخ، MIT CSAIL، و جاهای دیگر که پیشرفت‌ها را به‌طور منظم منتشر می‌کنند. شبیه‌سازی فیزیک پارچه در سرعت تعاملی به‌طور قابل‌توجهی در سه سال گذشته بهبود یافته است. تجربه مصرف‌کننده پوشش مجازی در سال ۲۰۲۷ احتمالاً کاملاً بهتر از امروز خواهد بود. اما برندها و طراحانی که بیشترین سود را از آن بهبود می‌برند آن‌هایی هستند که داده لباس آن‌ها قبلاً ساختاری و تمیز است.

نتیجه

پوشش مجازی با هوش مصنوعی مسئله تجاری واقعی — نرخ بازگشت تجارت‌الکترونیکی ناشی از عدم‌اطمینان تناسب — را حل می‌کند و فروشندگان بزرگی که در آن سرمایه‌گذاری می‌کنند برای دلایل حاشیه، نه بازاریابی، این کار را انجام می‌دهند. فناوری هنگامی بهترین عمل می‌کند که با داده الگو و لباس سختگیرانه پشتیبانی شود، که مهندسی الگو را در مرکز هر جریان کار مد دیجیتالی جدی قرار می‌دهد. برای طراحان مستقل و کارگاه‌های کوچک، اولویت عملی نیست ساختن سیستم پوشش بلکه ساختار مستندات الگو به اندازه‌ای خوب است که ادغام‌های آینده ممکن شود. بررسی نحوه پشتیبانی MPattern از جریان‌های کار الگوی حرفه‌ای به عنوان بنیاد برای آن انتقال.