Исследование и внедрение системы персонализированной настройки интеллектуальной одежды на основе глубокого обучения

Почему важна более умная одежда

Покупка одежды онлайн часто похожа на азартную игру: размеры различаются, вещи выглядят иначе на реальных телах, чем на моделях, а возвраты скапливаются в шкафах и попадают на свалки. В этом исследовании рассматривается новый подход к решению этой проблемы с помощью продвинутого искусственного интеллекта, позволяющего изначально создавать одежду, которая подходит по фигуре и вкусу. Авторы разработали систему интеллектуальной персонализации, которая умеет измерять тело по фотографиям, изучать ваши предпочтения, показывать реалистичные виртуальные примерки и рекомендовать предметы гардероба, адаптированные специально для вас.

От «универсального размера» к одежде, сделанной для вас

Современные покупатели ожидают, что одежда будет соответствовать их телу, образу жизни и личному стилю, тогда как большая часть моды всё ещё ориентируется на массовое производство. Традиционное портняжное дело обеспечивает лучшую посадку, но это медленно, дорого и плохо масштабируется. Авторы утверждают, что глубокое обучение может закрыть этот разрыв, распознавая тонкие закономерности на изображениях и в поведении: оно способно оценивать форму тела по простым фотографиям, выявлять предпочтения стиля по товарам, которые люди просматривают и выбирают, и даже генерировать новые дизайны. Одновременно производство лишь того, что действительно нужно людям — и в нужном размере — сокращает отходы и поддерживает более устойчивую, «циклическую» моду. Их система стремится объединить эти цели, делая высококачественную персонализацию практичной для повседневных покупателей и брендов.

Как работает система «умного гардероба»

Предлагаемая система встроена в модульную, готовую к веб-использованию платформу, похожую на современный онлайн-магазин, но с мощным «мозгом» под капотом. Она объединяет четыре основных способности: извлечение мерок тела, изучение предпочтений стиля, создание правдоподобных виртуальных примерок и генерацию дизайн-рекомендаций. Покупатель предоставляет одну или несколько простых фотографий, некоторый базовый контекст (например, сезон или повод) и взаимодействует через веб-, мобильный интерфейс или киоск в магазине. За кулисами специализированные сервисы обращаются к общим базам данных профилей пользователей, сведений о изделиях, признаков стиля и журналов взаимодействий. Такая архитектура микросервисов позволяет компаниям со временем подставлять более качественные модели, справляться с пиковыми нагрузками во время распродаж и хранить чувствительные данные о теле в зашифрованном и изолированном виде.

Обучая компьютеры видеть посадку и стиль

Техническое ядро представляет собой гибридный конвейер искусственного интеллекта, который рассматривает посадку и стиль как две стороны одного образа. Сначала сеть компьютерного зрения, обученная на изображениях высокого разрешения, считывает ключевые точки и контуры с фронтальной фотографии, чтобы оценить десятки мерок тела с средней ошибкой всего 0,38 сантиметра — значительно точнее предыдущих методов. Параллельно модуль стиля анализирует изображения изделий и контекстные подсказки (например, предназначение вещи для работы, свадьбы или повседневной носки), формируя компактный «отпечаток стиля» для каждого образа. Обучаемый контроллер затем объединяет информацию о теле с этим отпечатком стиля, решая, когда отдавать приоритет точной посадке (например, для костюма), а когда — выразительному стилю (для вечернего платья). Это объединённое представление направляет генеративную модель, которая может разместить рекомендованные изделия на виртуальном теле покупателя в реалистичных позах и с правдоподобной фактурой тканей.

Примерка без шкафа

Чтобы сделать опыт виртуальной примерки убедительным, система моделирует, как разные ткани растягиваются, сгибаются и драпируются на реальных телах. Она сочетает быстрые физические модели с машинно-обучаемыми упрощениями, чтобы одежда могла обновляться на экране за доли секунды или пару секунд, даже для сложных комплектов. Пользователи могут исследовать варианты, менять элементы дизайна и видеть мгновенные изменения, в то время как система незаметно изучает, какие крои, цвета и силуэты им нравятся. В тестах на общедоступных модных датасетах этот комбинированный подход превзошёл несколько ведущих методов по точности замеров, соответствию стилю и визуальной реалистичности. По сравнению с другими продвинутыми платформами он обеспечивал сопоставимое качество изображений при гораздо меньшей задержке и достигал примерно 87-процентной точности рекомендаций по стилю при использовании всех источников информации вместе.

Что это значит для покупателей и планеты

Чтобы понять, как люди воспринимают эту технологию на практике, исследователи провели как контролируемые исследования, так и полевые испытания. Участники высоко оценили систему по удобству использования, правдоподобию виртуальных примерок и соответствию рекомендаций их вкусам, при общем уровне удовлетворённости около четырёх с половиной звёзд из пяти. В масштабе такая система может сократить долю возвратов за счёт улучшения посадки, снизить перепроизводство, позволяя брендам изготавливать только то, что клиенты, вероятно, оставят, и дать покупателям больше уверенности и удовольствия при выборе одежды. Авторы отмечают, что остаются вызовы — особенно для очень необычных типов телосложения, передачи тактильных ощущений от тканей и обеспечения равного отношения ко всем демографическим группам — но их работа показывает, что сочетание видения, ориентированного на тело, обучения с учётом стиля и отзывчивых интерфейсов может значительно приблизить по-настоящему персонализированную моду к повседневной реальности.

Цитирование: Lu, Y. Research and implementation of intelligent clothing personalized customization system based on deep learning. Sci Rep 16, 12080 (2026). https://doi.org/10.1038/s41598-026-40436-3

Ключевые слова: персонализированная мода, виртуальная примерка, ИИ для снятия мерок, рекомендации по стилю, устойчивая одежда