双赢彩票在漫威的科幻电影《钢铁侠》中，主角史塔克身着钢铁战衣，打击试图毁灭地球和伤害人类的敌人，他的钢铁战衣拥有人工智能贾维斯，可帮助钢铁侠分析战斗情况，助力钢铁侠一次次脱险得胜。在现实生活中，随着科学技术的发展，双赢彩票人类已经开始研制人工智能机器人，虽然和科幻电影中的人工智能相距甚远，但是不难看到，人工智能已成为现在甚至未来科技发展趋势。

　　在我们的日常生活中，服装是遮体、保护和装饰的必需品。但你想过没有，当人工智能的科学技术和服装结合起来，会擦出怎样的火花呢?于是，人工智能服装就诞生了，所谓智能服装，就是将智能技术与服装融为一体，它结合了电子信息技术、传感器技术、纺织科学以及材料科学等相关领域的前沿技术。

　　东华大学信息科学与技术学院的赵鸣博教授，就在服装检测、检索与推荐、服装3D虚拟试衣等方面，取得了一系列研究成果。赵鸣博目前主要从事人工智能与服装、时尚方面的工作，主要包括服装检测、检索与推荐、服装生成与换装等工作，他的研究，正所谓是适应时代发展的需求，顺应科研发展的潮流。

　　作为一名80后科研人员，赵鸣博对于人工智能的科学技术有着浓厚的兴趣，2009年考上香港城市大学电子工程系攻读博士，2013年作为优秀毕业生毕业后留校任教并进行博士后研究工作，主要从事判决学习度量、基于流形学习的图像检索方法以及深度学习特征提取等研究。

　　2016年，赵鸣博正式加入上海东华大学任全职教授，研究领域主要集中在机器学习、深度学习、模式识别及其应用上。比如他在基于迹比值的判决分析的距离度量方法研究中，提出了一种快速收敛的方法，他用此方法可进行图像识别、机器错误检索和计算机辅助诊断等;率先提出半监督学习方面研究的通用模型，在大规模数据分类、多媒体数据标识等方面得到了广泛应用;他还对多媒体信息检索研究也进行了深入研究，提出了一套基于大规模流行排序的多模态图像检索方法，应用于商品图像的检索及推荐以及丝绸多元属性与检索。

　　过去二十年来，随着计算机技术进步，科技发展也使人工智能与服装、时尚发生了巨大的变化，尤其是服装检测、检索与推荐、服装生成与换装等，发生了不同程度的改变。随着大数据、云端、前沿科技的兴起，人工智能将会更有效解决服装产业及时尚业界的某些问题，人工智能研究及其在时尚和纺织行业中的应用现已经成为一个热门话题，受到学界和工业界深度关注。赵鸣博在不断科研的同时，也把目光聚焦于此，进行了一系列的研究，取得了显著的科研成果。

　　据赵鸣博介绍，双赢彩票近年来人工智能技术开始应用于服装搭配推荐及纺织品设计等领域。人工智能技术应用于服装搭配推荐，将大量设计实例、经验和准则相结合，虚拟换装技术则有效展示了服装推荐效果。基于推荐系统等人工智能技术的纺织品设计可以达到理想的产品设计效果，为其商品化提供了新的解决方案。

　　赵鸣博主要从事的研究服装检测、检索与推荐、服装生成与换装等方面，通过研究，他发现在真实场景下，双赢彩票服装或者穿着在模特身上或者平铺于背景上，一张包含服装的图片中通常会出现多个模特或者服装单品。在做服装搭配时，如果将整张图像输入到搭配网络，往往由于多种服装单品和复杂的图像背景因素影响而导致搭配效果不佳。如果需要对每个服装单品进行搭配，就要将服装单品从图片中分割出来，再对分割后的服装单品进行后处理后输入到服装搭配网络中。但因为一张图片中可能会出现多个相同类别，需要将其分别分割出来，归为实例分割任务。

　　为了实现此目标，需从两方面来实现：一是基于mask-rcnn服装检测，二是基于生成模型的2D服装平铺生成。为了能够有效生成质量高的服装图片，以便后期进行推荐、以及3D重构，赵鸣博采用生成模型对穿在人身上的服装进行平铺生成，目前存在问题是，采用Mask-RCNN的实例分割框架和生成对抗网络二者是独立的，还没有形成一种端对端的网络模型，赵鸣博将结合服装推荐和虚拟换装中的难点和关键技术进行深入研究。

　　在服装推荐系统搭建研究方面，赵鸣博根据服装推荐需要对服装单品之间的相容性进行了探索，这主要体现在两个方面：一是一套搭配中所有单品需要有相似的风格;二是所有单品要能组成一套完整的搭配方案，既不能有冲突也不能有缺失。据他介绍，做服装搭配的一个可行方案是给服装图片标注属性标签，通过属性标签中服装的类别和风格信息进行合理搭配，但此方式耗时耗力，无法在大规模数据上使用，且主观性强，无法得到统一标准。对此，赵鸣博提出服装搭配网络是在MM-fashion基础上进行的优化网络，主要包括三个模块：特征提取模块、风格相容性学习模块和特征融合模块，他拟将采用建立知识图谱和图卷积的方式对以上网络进行改进，以便提升搭配性能。

　　近年来，人工智能的发展速度着实令人赞叹，在这其中，虚拟现实技术(VR)作为一项全新的实用技术，各行各业对其的需求日益旺盛。赵鸣博就在服装3D虚拟试衣也取得了突破性的创新成果，据他介绍，目前传统3D虚拟试装方法按照使用不同可以归为两类：

　　一是利用已有的人体数据模型，直接从单张RGB图片或视频中恢复人体三维模型，在将服装模板融合至3D模型，该方法不需要用特定的深度传感器，应用范围广，对环境要求低，但是目前构建的模型精度不高，特别是手部，面部等细节特征缺失明显，目前大多数方法是基于目标函数的最优化迭代，故求解速度较慢，很难做到实时重构。

　　二是用3D深度传感器直接采集深度信息，再用拼接的方式构建完整模型，在将服装模板融合至3D模型，具体步骤是：①深度数据处理，利用相机内参将深度图转换成3D点云，并计算每个点的法向量;②相机追踪，将当前帧3D点云和由现有模型生成的预测的3D点云进行ICP匹配，计算得到当前相机的位姿;③深度数据融合，根据所计算出的当前相机位姿，使用TSDF点云融合算法将当前帧的3D点云融合到现有模型中;④场景渲染，使用光线跟踪的方法，根据现有模型和当前相机位姿预测出当前相机观察到的环境点云。但是，该方法因体感设备、深度传感器小型化带来的巨大的成本，很难实现规模化应用，赵鸣博将对其着重研究，并提出一种基于视频的端对端虚拟试衣的方法。

　　谈及未来规划，赵鸣博表示，将主要开展多模态检索和服装问答系统的建立，通过图像和文字的结合来进行服装多模态图像检索，研究如何学习一种用于表述文字和图像的跨模型组合特征。基于此模型，可以实现多模态服装问答系统的建立，既根据用户请求图片或文字信息，返回相关服装。用户还可以根据检索结果提供修正的边缘信息，来不断修改自己的请求，最后以便达到请求的结果。

　　除此之外，根据当前人们热衷于“私人订制”的服务模式，赵鸣博表示，未来还将建立一套服装私人定制系统，将根据服装属性、款式以及用户个人信息产生相关服装款式，以便满足用户需求。一方面代表服装行业高效个性化服务能力逐渐加强，另一方面，也表现了当今消费者对服装设计要求的提高，越来越多的人通过服装款式的挑选，宣示独立个体的审美与态度，曾经的“百搭”时代已经成为过去，消费者不再想要穿着千篇一律的衣服，而是要追赶所谓的“爆款”潮流。

　　而这种未来时尚潮流，正是赵鸣博目前所热衷并为之努力的方向，他将结合服装推荐和虚拟换装中的难点和关键技术，深入研究、创新科研，以人工智能和服装时尚深度结合，缔造美好生活。