ลองใส่เสมือนจริงด้วย AI: วิธีที่ Zara, Levi's และ ASOS ปรับเปลี่ยนการช้อปออนไลน์

ห้องลองใส่เสมือนจริงเป็นอสังหาริมทรัพย์ที่แพงที่สุดในค้าปลีก และเป็นสิ่งขัดขวางการเพิ่มยอดขายที่ใหญ่ที่สุด แฟชั่นออนไลน์ได้ใช้เวลาสองทศวรรษพยายามจำลองความแน่นอนแบบสัมผัสของการลองใส่เสื้อผ้า ผลลัพธ์ก็คือความสำเร็จปานกลาง นั่นเปลี่ยนไปอย่างมีความหมายรอบปี 2022–2024 เมื่อร้านค้าชั้นนำเริ่มใช้ระบบลองใส่เสมือนจริงที่ขับเคลื่อนด้วย AI ซึ่งเกินกว่าการวางภาพเรียบบนจำลอง ความเข้าใจเกี่ยวกับว่าระบบเหล่านี้ทำอะไรจริง ๆ และทำอะไรไม่ได้ เป็นสิ่งสำคัญอย่างมากสำหรับทุกคนที่เกี่ยวข้องกับการสร้างเสื้อผ้า ตั้งแต่นักออกแบบอิสระถึงสตูดิโอเล็ก ๆ

ลองใส่เสมือนจริงด้วย AI ทำอะไรจริง ๆ

ในระดับพื้นฐาน ลองใส่เสมือนจริงจับคู่การแสดง 2D ของเสื้อผ้าลงบนแบบจำลองร่างกายมนุษย์ด้วยวิธีที่น่าเชื่อถือ วิธีการเก่า ยังคงพบเห็นในการใช้งานประหยัด วางภาพสินค้าทับบนรูปแบบจำลองคงที่โดยใช้การแปลงอฟฟีนอย่างง่าย ผลลัพธ์ดูเหมือนติดแบบแล้วไม่สามารถจำลองการหย่อน ความตึง หรือวิธีการทำงานของผ้าที่เคลื่อนไหว

ระบบสมัยใหม่ใช้ไปป์ไลน์ต่างกัน พวกเขารวมการมองเห็นด้วยคอมพิวเตอร์เพื่อแบ่งส่วนร่างกาย การจำลองผ้าตามฟิสิกส์ที่ได้รับข้อมูลจากคุณสมบัติผ้าจริง และการเรนเดอร์ประสาทเทียมเพื่อสร้างผลลัพธ์ที่สมจริง ผู้บริโภคอัปโหลดรูปถ่ายหรือใช้กล้องสด ระบบประเมินจุดคีย์ร่างกาย อนุมานตาข่ายร่างกาย 3D จากสัญญาณ 2D จากนั้นห่อหุ้มเรขาคณิตเสื้อผ้าเหนือตาข่ายนั้นโดยคำนึงถึงน้ำหนักผ้า การยืด และตะเข็บการสร้าง

สิ่งที่นี้ต้องการในด้านเสื้อผ้าคือข้อมูลที่มีโครงสร้าง ซึ่งมาจากการวิศวกรรมรูปแบบ: ตำแหน่งตะเข็บ ช่วงความโล่ง เส้นลายผ้า และคุณสมบัติทางกลศาสตร์ของผ้า รูปแบบที่มีการบันทึกไว้อย่างดีและดิจิทัลแล้วจะสร้างผลลัพธ์ลองใส่เสมือนจริงที่ดีกว่ารูปแบบที่ประมาณค่าจากการสแกนตัวอย่างทางกายภาพ นี่ไม่ใช่เรื่องบังเอิญ นี่คือเหตุผลว่าทำไมคุณภาพของรูปแบบพื้นฐานจึงส่งผลโดยตรงต่อคุณภาพของการจำลองเสมือนจริง

วิธีที่ Zara, Levi's และ ASOS ใช้งาน

แต่ละร้านค้าเหล่านี้ใช้แนวทางที่แตกต่างกัน สะท้อนถึงขนาดการผลิตและฐานลูกค้า

Zara แนะนำฟีเจอร์ลองใส่เสมือนจริง — แบรนด์เป็นประสบการณ์ลองแบบ — ในปี 2022 ซึ่งให้ลูกค้าเลือกแบบที่ใกล้เคียงกับประเภทร่างกายและความสูง และดูเสื้อผ้าในรูปแบบนั้น ปี 2023 Vogue Business รายงานว่า Inditex (บริษัทแม่ของ Zara) ได้สัญญาว่าจะสร้างเวิร์กโฟลว์การสร้างสินค้าดิจิทัลสำหรับส่วนสำคัญของคอลเล็กชัน ลดจำนวนตัวอย่างทางกายภาพที่ต้องการก่อนการอนุมัติการผลิต ระบบนี้อาศัยดิจิทัลทวิตของเสื้อผ้าที่สร้างขึ้นในช่วงเริ่มต้นของวัฏจักรพัฒนาสินค้า

Levi's ร่วมมือกับแพลตฟอร์มตัวละครดิจิทัลเพื่อเสนอความหลากหลายแบบบุคคล โดยเฉพาะกล่าวถึงคำวิจารณ์ที่ยืนยาแต่ว่าภาพแฟชั่นไม่สามารถแสดงช่วงของร่างกายที่จริง ๆ ซื้อเสื้อผ้า การใช้งานของพวกเขาใช้การวัดที่ผู้บริโภคให้เพื่อจับคู่กับเนื้อหาภาพแบบล่วงหน้า สมมติฐานพื้นฐานคือความมั่นใจเกี่ยวกับความพอดี ไม่ใช่แค่สถิติ ขับเคลื่อนการตัดสินใจซื้อ โดยเฉพาะอย่างยิ่งสำหรับเดนิม ซึ่งความคาดหวังเกี่ยวกับความพอดีสูง และความไม่สอดคล้องของขนาดในอุตสาหกรรมเป็นสิ่งที่มีการบันทึกไว้อย่างดี

ASOS ได้ดำเนินการเวอร์ชันของเทคโนโลยีความพอดีผ่านเครื่องมือ Fit Assistant ซึ่งใช้ข้อมูลการซื้อและการคืนสินค้าในอดีตเพื่อสร้างคำแนะนำขนาด เมื่อเร็ว ๆ นี้ ASOS ได้รวมฟังก์ชันการลองใส่ทางสายตาที่อาศัยข้อมูลร่างกายที่ผู้บริโภคให้ไว้แล้วในระหว่างกระบวนการคืนสินค้า ตามรายงานของ Sourcing Journal ASOS ได้อ้างถึงการลดลงที่มีความหมายในการคืนสินค้าที่เกี่ยวกับขนาดในตลาดที่เครื่องมือได้รับการปรับใช้อย่างเต็มที่ แม้ว่าบริษัทจะระมัดระวังเกี่ยวกับการตีพิมพ์ตัวเลขสัมบูรณ์

ปัญหาการคืนสินค้าที่เครื่องมือเหล่านี้แก้ไข

แรงจูงใจทางการค้าค่อนข้างตรงไปตรงมา ตามข้อมูลที่ National Retail Federation (NRF) ตีพิมพ์ในรายงาน 2023 Consumer Returns in the Retail Industry อัตราการคืนสินค้าสำหรับเสื้อผ้าออนไลน์ในสหรัฐอเมริกาอยู่ที่ประมาณ 24–26% ของยอดขายรวม เทียบกับ 8–10% สำหรับการซื้อในร้านค้า ส่วนสำคัญของการคืนสินค้านั้นเกิดจากปัญหาความพอดีและขนาด ในระดับเดียวกัน แต่ละพัสดุที่ส่งคืนมีค่าใช้จ่ายให้กับผู้ค้าปลีกระหว่าง €15 ถึง €25 ในการขนส่ง การจัดเก็บ และค่าเสื่อมราคา ก่อนคำนึงถึงต้นทุนสิ่งแวดล้อม

การลดลงแม้กระทั่ง 3–5 จุดเปอร์เซ็นต์ในอัตราการคืนสินค้าสำหรับผู้ค้าปลีกที่ประมวลผลคำสั่งนับล้านรายต่อปี แปลเป็นการกู้คืนอัตรากำไรสิบล้านยูโรขึ้นไป นี่คือกรณีทางธุรกิจที่ยุติธรรมการลงทุนเหล่านี้บริษัททำในโครงสร้างพื้นฐานลองใส่เสมือนจริง เทคโนโลยีนี้ไม่ใช่เครื่องมือการตลาดเป็นหลัก นี่คือการเล่นเพื่อประสิทธิภาพของห่วงโซ่อุปทาน

สิ่งที่เทคโนโลยียังไม่สามารถทำได้ดี

ความสำคัญของข้อจำกัดปัจจุบันเป็นสิ่งจำเป็นหากเทคโนโลยีนี้จะต้องได้รับการประเมินอย่างจริงจัง

ประการแรก พื้นผิวผ้าและความรู้สึกของมือยังคงเป็นไปไม่ได้ที่จะสื่อสารในรูปแบบดิจิทัล การจำลองสามารถแนะนำวิธีการหย่อนของผ้า แต่ไม่สามารถสื่อสารได้ว่าผสมผ้าลินินนั้นหนาบาง หรือเจอร์ซี่จะปัดหลัง หลังจากการซัก นั่นหมายถึงลองใส่เสมือนจริงมีประสิทธิภาพสูงสุดสำหรับการตัดสินใจความพอดีโครงสร้าง (รูปแบบนี้ใช้ได้กับร่างกายของฉันหรือไม่?) และมีประสิทธิภาพน้อยที่สุดสำหรับการประเมินคุณภาพวัสดุ

ประการที่สอง ความแม่นยำของการสร้างตาข่ายร่างกายจากรูปถ่ายผู้บริโภครายเดียวนั้นแตกต่างกันมาก ท่า แสง พื้นหลังจำนวนมาก และเสื้อผ้าที่สวมใส่ในรูปถ่ายอ้างอิงทั้งหมดนำเสนอสัญญาณรบกวน เครื่องมือที่มีหน้าต่อสาธารณชนมักชดเชยด้วยความอดทนที่กว้างขวาง ซึ่งอาจนำไปสู่การแสดงตัวอย่างความพอดีที่มองโลกในแง่ดีอย่างมีระบบ

ประการที่สาม — และสิ่งนี้มีความสำคัญมากที่สุดสำหรับผู้สร้างสรรค์อิสระและสตูดิโอเล็ก ๆ — ระบบเหล่านี้ต้องการโครงสร้างพื้นฐานข้อมูลจำนวนมาก ผู้ค้าปลีกชั้นนำสามารถลงทุนในการสร้างหรือให้สัญญาชุดข้อมูลการสแกนร่างกาย ฝึกแบบจำลองเรนเดอร์ และรวมเวิร์กโฟลว์ดิจิทัลทวิตตั้งแต่เริ่มต้นของกระบวนการออกแบบ สำหรับนักออกแบบที่ผลิต 50 ชิ้นต่อฤดูกาล ไปป์ไลน์นั้นไม่มีตั้งแต่เดิม

ช่องว่างระหว่างสิ่งที่ค้าปลีกระดับองค์กรสามารถปรับใช้กับสิ่งที่สามารถเข้าถึงได้โดยผู้สร้างสรรค์อิสระยังคงกว้าง การเปรียบเทียบที่มีประโยชน์:

สิ่งที่นักออกแบบอิสระและสตูดิโอสามารถทำได้จริงวันนี้

ข้อสรุปเชิงปฏิบัติสำหรับนักออกแบบที่ทำงานนอกค้าปลีกระดับองค์กรไม่ใช่การจำลองสิ่งที่ Zara หรือ ASOS สร้าง นั่นจะต้องมีการลงทุนและทรัพยากรวิศวกรรมที่ไม่สมจริงในระดับเล็ก ๆ บทเรียนที่เกี่ยวข้องคืออพสตรีม: คุณภาพและโครงสร้างของการบันทึกรูปแบบของคุณกำหนดว่าคุณพร้อมที่จะเข้าร่วมเวิร์กโฟลว์ดิจิทัลเพียงใดเมื่อพวกเขากลายเป็นสิ่งที่เข้าถึงได้มากขึ้น

เสื้อผ้าที่สร้างจากรูปแบบที่ร่างไว้อย่างดี ให้เกรด ด้วยช่วงความโล่งที่มีการบันทึก และตรรกะการสร้างนั้นเป็นอินพุตที่ระบบการจำลองดิจิทัลใด ๆ ต้องการ ไม่ว่าการจำลองนั้นใช้สำหรับลองใส่เสมือนจริง การตรวจสอบความพอดีก่อนการตัด หรือการสื่อสารความตั้งใจของการก่อสร้างให้กับช่างเทคนิคระยะไกล รูปแบบคือรากฐาน รูปแบบที่มีอยู่เพียงแบบ 2D เท่านั้นบนกระดาษสีน้ำตาล โดยมีการวัดที่จัดเก็บในหน่วยความจำของผู้สร้าง ไม่สามารถป้อนเข้าไปในเครื่องมือดิจิทัลที่ตามมาใด ๆ

สำหรับสตูดิโอและนักออกแบบอิสระที่ต้องการเข้าหาเวิร์กโฟลว์ดิจิทัลโดยไม่มีการลงทุนระดับองค์กร จุดเริ่มต้นที่สมจริงคือการดิจิทัลไลซ์และจัดโครงสร้างรูปแบบที่มีอยู่ เข้าใจตรรกะการเกรด และทำงานกับเครื่องมือที่สร้างไฟล์รูปแบบที่สามารถส่งออกได้และเป็นไปตามมาตรฐาน MPattern ได้รับการออกแบบให้ตรงกับจุดเข้าโดยเฉพาะนี้ — ทำให้สามารถสร้างและจัดการรูปแบบระดับมืออาชีพได้โดยไม่ต้องพื้นหลัง CAD อุตสาหกรรมหรือทีมช่างเทคนิค

แถบการทำให้เป็นดิจิทัลในแฟชั่น (FIT) และโรงเรียนสิ่งทอยุโรปหลายแห่งได้เริ่มรวมเวิร์กโฟลว์รูปแบบดิจิทัลเข้าในหลักสูตรของพวกเขา โดยเฉพาะเพราะฉันทามติของอุตสาหกรรมคือข้อมูลรูปแบบที่มีโครงสร้างเป็นข้อกำหนดเบื้องต้นสำหรับการใช้งานดิจิทัลที่ตามมา รวมถึงลองใส่เสมือนจริง

วิถีอุตสาหกรรมที่กว้างขึ้น

Vogue Business และ Business of Fashion ทั้งคู่ได้ติดตามการเร่งปืนของการสร้างสินค้าดิจิทัลในห่วงโซ่อุปทานตั้งแต่ปี 2021 โดยสังเกตว่าการบีบอัดเส้นเวลาการพัฒนาที่บังคับโดยโปรแกรมระหว่างทำให้ยี่ห้อต่างๆ ยอมรับเวิร์กโฟลว์การอนุมัติตัวอย่างดิจิทัลเร็วกว่าที่วางแผนไว้ก่อนหน้านี้ ลองใส่เสมือนจริงเป็นหนึ่งในผลลัพธ์ที่มองเห็นได้ของผู้บริโภคของการเปลี่ยนแปลงที่ใหญ่กว่ามากต่อการปฏิบัติต่อข้อมูลเสื้อผ้าเป็นสินทรัพย์ดิจิทัลที่มีโครงสร้างจากจุดเริ่มต้นในกระบวนการออกแบบ

สำหรับภาคอิสระ วิถีนี้คือโอกาสและแรงกดดัน ยี่ห้อที่มีการจัดโครงสร้างข้อมูลรูปแบบและสินค้าของพวกเขาอย่างดีจะพบว่าการรวมเข้ากับแพลตฟอร์มการค้าส่ง เครื่องมือการช้อปออนไลน์โดยตรง และในที่สุดระบบลองใส่เสมือนจริงเมื่อพวกเขากลายเป็นมูลค่าที่สามารถเข้าถึงได้ง่ายขึ้น ผู้ที่ไม่ได้ทำงานพื้นฐานนั้นจะต้องเผชิญกับต้นทุนการตามทัน

เทคโนโลยีเองจะยังคงปรับปรุง ความแม่นยำของการสร้างตาข่ายร่างกายจากรูปถ่ายเดียวเป็นพื้นที่การวิจัยที่ใช้งานอยู่ โดยกลุ่มวิชาการที่ ETH Zurich, MIT CSAIL และอื่น ๆ ตีพิมพ์ความก้าวหน้าอย่างสม่ำเสมอ การจำลองผ้าฟิสิกส์ที่ความเร็วแบบโต้ตอบได้ปรับปรุงอย่างมาก