圖片來源@視覺中國
文 | 熔財經，作者 | 離離
頂着寒風，提着換貨的商品走出優衣庫門店，莉恩決定再也不使用優衣庫4D試衣間了。
隨着3D和AR技術的日趨成熟，圖像生成技術也愈發精進，但以此為基礎的虛擬試衣服務不但沒有受到消費者歡迎，甚至還成為一些用户吐槽的對象。
“之前寒流來大降温，怕着涼不想出門吹風，又需要買比較貼身的衣物，所以第一次用了虛擬試衣。”莉恩回想起自己當初使用線上虛擬試衣的動機。
“其實用起來很簡單，設一下參數就好了，也挺方便的。但他們家有個很大的bug，就是不同款式衣服的同一尺寸，實際大小是不一樣的!但4D試衣間完全不會顯示，顯示的效果很合身，只有拿到貨才會知道，真的有點坑!”為了儘快穿上新衣服而不得不外出換貨的莉恩不滿地抱怨。
無獨有偶，小平也曾經吃過線上虛擬試衣的虧。
“淘寶剛推出3D線上試衣的時候，我立刻就嘗試了一下。結果買回來一看，衣服的上身效果和在虛擬畫面中差異很大。”小平有些無奈。“尺寸本身沒什麼問題，可能虛擬試衣沒法很好的重現不同款式和版型在人身上的樣子吧。我個人更喜歡寬鬆版，線上試穿和身體的貼合度看起來可以接受，實際穿上後很緊繃，還是果斷退貨，後來也沒怎麼用(虛擬試衣)了。”
“對我來説，最大的問題是智能推薦不合胃口，還不如自己動手搜索。”穿衣追求個性化的揚子表示。“系統搭配太大眾化了，總是推些熱銷品牌和爆款。推薦搭配要是能夠更加智能，我想我會經常用的。”
從莉恩、小平和揚子的經驗可見，理想的虛擬試衣技術必須兼顧數據測量和每個消費者的個人偏好。由於不同品牌的size不一致，技術公司推薦的尺碼需要參照客户和品牌雙方的精確測量。自從虛擬試衣出現以來，似乎還沒有一家技術公司能完美的做到這一點。
理想的解決方案?早在2005年，虛擬試衣間（Virtual Fitting Room)的概念就被當作一種“超前的”高科技展望在國際科技論壇上提出。這項技術主要是通過結合增強現實技術(AR)、虛擬現實技術（VR）和3D演算畫面，利用視頻實時採集、圖片文件等途徑，自動生成3D全方位立體化視覺效果的隔空試衣工具，讓消費者可以在虛擬環境下將“買前試穿”變成現實。
此概念一出現，不少初創企業與科技公司都認為虛擬試衣技術商業前景可期，紛紛砸下重金進行大量實驗與嘗試。與此同時，網絡商店的出現改變了人們消費習慣，線上購物逐漸成為主流消費模式。衣物不合身一直是線上消費者退貨的首要原因，服裝的網購退貨率可能高達40%，被退還的貨品佔據零售商年成本的三分之一。
因此，虛擬試衣技術被寄予厚望。服裝行業希望藉此解決網購服飾長期以來的痛點，AR技術公司看到了商業需求，賦能網購的虛擬試衣試鞋的網頁、小程序及APP等也如雨後春筍般出現。
追求“真實”的漫漫長路2006年出現的Face72是國內第一家帶有虛擬試衣服務的購物網站。當時的技術較為陽春，用户只能根據服飾尺碼標準，在S、SM、M、L、XL五種體型中選擇與自己身材相仿的模特。將自己的臉部照片貼在虛擬模特臉上，構建自己的“替身”，之後就可以進行選衣試衣。
雖然這種新穎的購物方式在當時吸引不少追求新潮和個性化的年輕人，但人的身材體型種類多樣，無法“客製化”顧客身材的Face72虛擬試衣實用性非常有限。頂多只能作為換裝遊戲帶來娛樂效果，難逃曇花一現的結局。
“熔財經”瞭解到，近年，Amazon、京東、淘寶天貓等購物平台和UNIQLO、Gucci、Nike等時裝品牌都相繼研發了虛擬試衣和試鞋服務，也出現許多專門提供虛擬穿搭服務的APP，希望能改善消費者的購物體驗。
如京東基於人工智能和仿真技術推出的線上虛擬試衣系統，支持大量服裝跨店鋪的多層任意搭配，商家也可在後台製作搭配圖示。用户可利用自拍製作自定義頭像，並調整身高、體重、腰圍、肩寬、胸圍等多個參數完成模特個性化設置。此外，用户還能進行調節背景、姿勢。保存自己的個性化模特後，京東便會自動推薦符合買家身材特點的服裝產品。用户看到滿意的商品可直接在試衣間購買，不需返回商品頁面。
為淘寶店鋪提供線上虛擬試衣技術的上海衣脈科技則是通過3D技術讓用户多維度調整發型、臉型、妝容、身高、體重、胸、肩、腰、臀、腿等數據，以建模的方式建立用户的3D虛擬形象。
Amazon的Outfit-VITON虛擬試穿系統便是依託其大容量的時裝數據檢索技術，在用户鍵入服裝特徵信息（如：顏色、剪裁、尺寸、圖案等）後，通過AI大數據計算，結合用户喜好預測一套服裝與其他服裝和配飾的兼容性，精準匹配及推薦客户需要的服裝。再利用人工智能深度學習網絡GAN（generative adversarial networks生成式對抗網絡），在不影響用户人體模型圖像輪廓的情況下，最大程度地保留商品紋理、標識和刺繡等精細的外觀特徵，保證虛擬試衣的仿真程度。
去年，Adobe的媒介和數據科學研究實驗室、印度理工學院以及斯坦福大學的研究人員合作開發了一種名為SieveNet的“基於圖像的虛擬試穿”技術。通過AI神經網絡系統，在保留衣服的特徵（包括布料材質、褶皺）的情況下，將衣服映射到虛擬人體上，不會引起紋理模糊或滲色，可“真實”模擬出人體穿上衣服的情況。
SieveNet使用AI對象識別系統捕捉重要特徵並保留相似性，更好地處理了遮擋、姿勢變化、滲色、幾何翹曲等問題。它採用多階段技術，包括將服裝變形以使其與人體模型的姿勢和形狀保持一致，然後再將變形的紋理轉移到模型上。故能根據服裝圖像和人體模型圖像生成穿着該服裝的新圖，同時保留原始身體形狀、姿勢和其他細節。這一技術的出現，極大地提升了線上虛擬試衣的視覺效果，還能幫助線上服飾店改善產品圖片質量。
智能手機人體掃描初創公司3DLook利用智能手機對人體進行全面掃描，獲取體型參數，幫助消費者匹配最合身的衣服。用户還可以在智能手機上進行虛擬試穿，並觀察試穿效果。
技術之外 問題何在?的確，最新的虛擬試衣3D模型與人工智能自動成像技術或許可更加真實地模仿服飾布料在人體上的試穿效果，讓試穿的視覺體驗更加直觀。模型的視覺美觀與真實性固然重要，但對於消費者而言，目前線上試衣技術急需解決的，是尺寸推薦匹配度的問題。
“線上虛擬試衣就是試上身效果，尺寸當然是最重要的。”莉恩表示。“就算優衣庫那十幾個參數沒法非常準確複製我的身材，但自己家的商品數據應該掌握的很詳細才對，不同款式的S大小差那麼多還都推薦給我，體驗感很差。”
不像線下門店的虛擬試衣鏡能直接通過AI視覺圖像分析得到客户身材體型數據，目前智能手機掃描技術尚未普及，線上試衣所需的數據多半需要用户自己填寫。信息時代，以大數據計算為基礎的服務品質與用户提供的數據成正比，關於用户身材體型數據的填寫標準就變得十分微妙。
若是要求過於詳細的數據資料，一些用户可能嫌麻煩而棄用，還可能引起顧客對於個人隱私的顧慮；一些數據或許連用户本身都不知道，不但增加填寫困難還會降低用户使用體驗。若是收集的資料過於簡單，則可能降低尺碼匹配度與穿搭風格推薦的準確度。
“我覺得還好，畢竟網購買多了，也能根據購買衣服的尺寸知道你的數據的。信息時代就是這樣，想保護個人隱私幾乎是不可能的。”對於隱私問題，莉恩處於半“棄療”狀態。“仔細想想也是噢，隱私方面我之前沒想過，這樣一説就有點怕怕的。”小平有些後知後覺。
此外，即使3D模型逼真、推薦尺碼準確，視覺效果也僅僅是決定購買的因素之一，並非全部。
“衣服除了看實際上身效果，尺寸合不合身、穿起來舒不舒服也很重要。”莉恩表示。“如果一件衣服好看卻穿起來不舒服，我也不會想買。從這個角度來説，虛擬試衣真的沒什麼必要。”
“線上虛擬試衣當然無法取代線下試穿。衣服又不是擺設品，除了好看，親膚感和舒適性也同樣重要。”小平告訴“熔財經”。“疫情期間不能出門，或許用(虛擬試衣)的人會多一些吧。反正我是不會再用了，很雞肋啊。跟直接在網上買沒什麼區別，幫助不大。”
不能重現衣服質量和布料觸感是虛擬試衣無法改變的硬傷，除了尺碼推薦和隱私問題，“觸覺缺失”或許才是大部份用户認為線上虛擬試衣“雞肋”的最主要原因。
這麼説起來，線上虛擬試衣真的就一無是處了?
柳暗花明?“我覺得虛擬試衣的精髓在於推薦穿搭。畢竟再怎麼樣都不能複製觸覺感受，衣服只能買回來試了才知道實際尺寸和真實效果。”對於虛擬試衣技術，揚子的看法有所不同。“我買衣服的時候經常困擾該怎麼搭配，AI大數據計算就很適合解決這個問題。當然，前提是它能確實掌握我的喜好。”
像Amazon的購物助手Alexa就能依託機器學習算法為顧客提供搭配建議，並通過Outfit-VITON顯示穿搭效果。此平台具備精確的語言文本和圖像匹配識別能力，並帶有專門的圖像搜索系統負責處理帶有文本反饋的圖像搜索任務。
用户可通過選擇參考圖像並提供附加信息文本來改進檢索結果，系統能將任意規模的服裝圖像結合顧客想要的商品的類別，在推薦系統中進行搜索，並整理出能夠搭配的商品列表。讓用户能選擇系統推薦的襯衫、夾克之類的商品來搭配褲子、帽子和鞋子等。
國內也有一些類似的平台。去年，在淘粉吧App上線的“愛穿搭”平台就是基於人工智能技術專門為用户提供服裝搭配和虛擬試衣服務。在用户輸入身高、體重等信息並上傳照片後，平台就會根據用户數據，自動生成3D虛擬試衣模特。利用自建的AI算法，根據用户信息進行智能搭配推薦，用户看到合適的衣服後，即可點擊相關鏈接下單購買。
虛擬試衣技術出現至今，一直在嘗試解決網購服裝無法實際試穿的問題，卻因為技術上的限制與幾乎無解的隱私問題而長期處於不温不火的狀態。也許就像揚子所説，目前無法解決“觸覺缺失”的虛擬試衣技術想要走向未來，智能推薦或許才是其真正價值所在。
(莉恩、小平、揚子皆為化名)（本文首發鈦媒體APP）