Vai mākslīgais intelekts, kas izveido pielāgotas šūšanas modeļus, tiešām eksistē? Godīgs sektora stāvokļa apskatījums

Jautājums regulāri parādās šūšanas forumos, modes tehnoloģiju izdevumos un dizaina skolu koridoros: vai pastāv mākslīgais intelekts, kas var ģenerēt individuāli pielāgotu šūšanas modeli no jūsu ķermeņa mērījumiem? Īsā atbilde ir tāda, ka rīki, kas virzās šajā virzienā, tiešām eksistē — bet garākā un godīgākā atbilde prasa izprast, ko šīs sistēmas faktiski dara, ko tās vēl nevar darīt uzticami, un kāpēc plaisa starp gludu saskarni un tiešām valkājamu modeli joprojām ir nozīmīga lielākajai daļai lietojuma gadījumu.

Kas mēs domājam, sakot "mākslīgais intelekts" modeļu izveides kontekstā

Pirms jebkura rīka novērtēšanas ir vērtīgi precīzi definēt terminoloģiju. Frāze "mākslīgais intelekts" tiek piemērota milzīgam daudzveidības klāstam — no elementāras uz noteikumiem balstītas automatizācijas līdz sarežģītiem ģeneratīviem modeļiem. Modeļu izveides kontekstā lielākā daļa pašreizējo sistēmu balstās uz vienu no trim pieejām: parametriskie izveides motori, kas aprēķina ģeometriju no definētā ievades mērījumu kopuma, izmantojot izveidotas izveides formulas; mašīnmācīšanās modeļi, apmācīti antropometrisko datu kopas bāzē, kas var prognozēt vieglumu, proporcijas un pieguļa korekcijas; un hibrīdsistēmas, kas apvieno uz noteikumiem balstītu izveidi ar apgūtajiem korekcijas slāņiem.

Atšķirība ir ļoti svarīga. Parametriskais motors, kas aprēķina bikšu bloku no vidukļa, gūžas un iekšstiega mērījumiem, nedara to, ko sabiedrība parasti saprot ar "mākslīgo intelektu" — tas izpilda trigonometriju lielā ātrumā. Sistēma, kas izmanto neirālo tīklu, apmācītu tūkstošiem ķermeņa skeņu bāzē, lai prognozētu, kā konkrēts siluets iztiks uz atipiska ķermeņa, ir tuvāka mūsdienu mākslīgā intelekta izpratnei, lai arī tā joprojām atrodas tālu no vispārinātās intelekta, ko šis termins nozīmē.

Akadēmiskais un rūpnieciskais konteksts

Pētījumi par automatizētu apģērba modeļu izveidi ir bijuši aktīvi kopš vismaz 2000. gadu sākuma. Akadēmiskie pētījumi ir aptvēruši visu – no 3D uz 2D piegrieztņu izlīdzināšanas algoritmiem līdz neironu tīklu pieejām brīvuma sadalījuma prognozēšanai.

Rūpnieciskajā jomā izveidotās CAD sistēmas, ko lieto lielā apjoma ražošanas vidē, jau gadus ilgi ietver parametrisku klasificēšanu un bloku izveidi kā standarta pazīmes. Šie rīki ir spēcīgi, bet vēsturiski dārgi, tie pieprasa speciālistu apmācību un nozīmīgas iepriekšējās licencēšanas izmaksas — tādējādi neatrodas neatkarīgo dizaineru, hobiju un mazu darbnīcu jomā.

Vidējos un lielos apģērbu uzņēmumos piegula labošana aizņem nesamērīgi lielu daļu laika no sākotnējās dizaina koncepcijas līdz apstiprinātam paraugam. Iterācijas ciklu samazināšana, uzlabojot sākotnējās modeļa precizitāti, ir viens no skaidrākajiem vērtības piedāvājumiem, ko sektors var piedāvāt inteligentu rīku jomā.

Ko pašreizējie uz mākslīgo intelektu balstītie rīki faktiski sniedz

Šodienas pieejamie rīki — tas ir, tie, kas pieejami ārpus uzņēmuma līgumiem — atrodas spēju spektrā.

Pamata līmenī atrodami sistēmas, kas proporcionāli pārkala esošos bāzes blokus, izmantojot ievadītā mērījumu kopumu. Tie darbojas apmierinoši standarta figūrām, bet sāk smagi ciest, tiklīdz ķermenis nozīmīgi novirzās no pieņemto proporciju, kas iestrādātas pamatblokā. Personai ar augstu gūžu-vidukļa attiecību, garu torsu vai noliektu plecu stāju gandrīz noteikti būs nepieciešamas manuālas korekcijas, dažreiz nozīmīgas.

Sarežģītāki piedāvājumi ietver korekcijas loģiku: ja vidukļa-gūžu atšķirība pārsniedz noteiktu vērtību, sistēma piemēro izrāvuma korekciju; ja muguras garums ir proporcionāli garāks nekā standarts, tā novirza vidukļa šuvi. Tas ir tuvāk pieredzējuša modeļu veidotāja zināšanu kodēšanai programmatūras loģikā. Rezultāts ir labāks, bet ķermeņa permutāciju skaits ir praktiski bezgalīgs, un noteikumu kopai ir robežas.

Ģeneratīvās pieejas – kurās modelis mācās likumsakarības no lieliem datu kopumiem, nevis seko ar roku kodētiem noteikumiem – sāk ienākt pieejamajā līmenī. Šīs sistēmas parāda ģenūīnu potenciālu, lai uzlabotu pirmās uzmēģināšanas precizitāti nestandarta figūrām, lai gan datu problēma ir akūta: augstās kvalitātes pāru datu kopas ar ķermeņa mērījumiem un validētiem, ražošanai gataviem modeļiem ir reti, īpašumā un dārgι ģenerēt.

Kāpēc "modelis" ir grūtāks, nekā izskatās

Tehniskais izaicinājums ir viegli par to nedomāt, ja neesat pavadījis laiku griezuma galdiņā. Šūšanas modelis nav vienkārši mērogots siluets. Tas kodē konstruktīvu loģiku: šuves pielaides, graudu līnijas orientāciju, žetonu pozīcijas, viegluma sadalījumu dažādās ķermeņa zonās un konkrēta auduma uzvedību spriegojuma un drāpējuma laikā. Divi modeļi vienam un tam pašam pabeigto mērījumam var pieguļ pilnīgi atšķirīgi atkarībā no konstruktīvās loģikas, kas tajā iekļauta.

Tāpēc šūšanas kopienas attieksme pret mākslīgā intelekta modeļu rīkiem ir bijusi pārliecināta, nevis emocionāla. Pieredzējuši veidotāji saprot, ka piegulis ir dinamiska — modelis, kas pareizi izgriezts kokvilnas audumā, var nepieciešami nozīmīgus pielāgojumus šķidrajā atlasē. Digitālā modeļa faila statiskā ģeometrija ir viena darbība daudz lielākā amatnieka mainīgo sistēmā.

Pat profesionāli konstruktori, kas strādā ar pilnu mēru komplektu, nestandarta figūrām bieži vien veic vairāk nekā vienu uzlaikošanu, lai panāktu apmierinošu piegulumu. Šis pamatums dod kontekstu tam, cik daudz jebkuram automatizētam sistēmai ir nepieciešams uzlabot, pirms pretendēt uz pilnīgu aizstāšanu ar prasmīgu cilvēka spriedumu.

Kur pašlaik atrodas pieejamais līmenis

Mērķauditorijas, kas ir svarīgākā neatkarīgajiem veidotājiem — studentiem, mājas šūtājiem, mazajām darbnīcām un neatkarīgajiem dizainieriem — ir vairākas lietas, kas tagad ir tiešām iespējamas, kas bija neiespējamas pirms pieciem gadiem.

Pirmkārt, parametriskās bloku izveides ieejas izmaksas ir nokritušas gandrīz uz nulli vai zemām abonēšanas likmēm, tas nozīmē, ka strukturēts bikšu bloks vai torsa apvalks, kas izstrādāts no pilna mērījumu kopuma, ir pieejams bez rūpnieciskas programmatūras. Otrkārt, digitālos modeļu failus standarta formātos var drukāt mājās vai nosūtīt tieši grafikā, novēršot manuālo pārizveides soli. Treškārt, dažas platformas ir sākušas integrēt strukturētas piegules vadlīnijas — lūdzot lietotājam ievadīt ne tikai neapstrādātus mērījumus, bet arī postūras un proporciju piezīmes — kas ļauj pamatloģikai veikt viblīvākas korekcijas, pirms tiek sagriezts kaut viens centimetrs auduma.

Kas joprojām ir grūts, ir lēciens no "pareizi izveida mērījumiem" uz "piegulis labi uz šī konkrētā ķermeņa šajā konkrētajā audumā." Šī plaisa ir vietā, kur notiek turpinājuma pētniecība, labāki dati un nianstētāka korekcijas loģika.

Ja vēlaties izpētīt, ko pašreizējie digitālā modeļu izveides rīki piedāvā praktiskos terminos, MPattern ir speciāli veidots šim pieejamajam līmenim — novadot strukturētu modeļu izveidi veidotājiem, kuriem ir nepieciešama profesionālas pakāpes izlaides, nevis rūpnieciskā programmatūra. Cenu opcijas ir strukturētas, lai piemērotos individuālajiem veidotājiem, kā arī mazām studijas darbplūsmām.

Godīga novērtēšana dažādiem lietotāju tipiem

Līdzīgs saistīt cerības ar lietotāja kontekstu:

Rīki ir tiešām noderīgi. Tie vēl nēsub modeļu izveides zināšanu aizstājējs, un jebkura platforma, kas apgalvo pretējo, ir jāuztver ar skepticismu. Godīgais vērtības piedāvājums ir paātrināšana un pieejamība — laika saspiešana no mērījuma uz pirmo griezumu, un barjeras pazemināšana cilvēkiem, kuri saprot šūšanu, bet nav formāli apmācīti modeļu izveides jomā.

Secinājums

Mākslīgais intelekts, kas palīdz izveidot pielāgotus šūšanas modeļus, ir reāls, funkcionāls nozīmīgos veidos, un uzlabojas izmērāmā tempā. Tas nav maģija, un tas vēl neizbeidz iteratīvo, taustes amatnieka pieguļa un korekcijas, ko pieredzējuši veidotāji zina. Sektors atrodas ģenūīnā pārejas periodā: parametriskie un mācīšanās rīki saplūst, datu kopas pieaug, un pieejamais līmenis beidzot nonāk līdz tam, kas agrāk bija iespējams tikai rūpnieciskās programmatūras vidē. Ikvienam, kurš šuj — neatkarīgi no tā, vai tas ir virtuvē vai profesionālā darbniecā — intelektuāls solis ir kritiski izvērtēt šos rīkus, tos izmantot kā spējīgu pirmo melnraksta palīgu un savus amatnieka zināšanas piemērot atkārtojumiem, kas seko. Ja esat gatavs redzēt, kā strukturēts digitāls modeļu izveides izskatās praksē, MPattern ir vērts pārbaudīt kā sākumpunktu, kas veidots reālajiem veidotājiem.