随着 618 电商节第二波高潮的开启，各种厂商的平台战报、调查数据、分析报告也蜂拥而至。从最新的一份调查分析报告来看，服饰类依然是个大热门，在消费者已购买/意向购买商品品类中占比达到了 50.06%，仅次于美妆护肤类。

然而，线上购物在越来越火的同时，也逐渐暴露出越来越多的问题。以热门的服饰类为例，消费者很难从商品介绍页想象出自己上身的真实效果，甚至评论区的买家秀和卖家秀一度成为网络上的热门谈资。

基于此，不同电商平台推出了一系列的创新举措，比如得物、淘宝等推出的 AR 试穿，直播间里的主播展示、在线互动，但是受限于 AR 技术的发展程度、主播与消费者之间的形体差异、沟通效率、传递信息的偏差等，这些措施并没有真正行之有效地解决服饰上身的实际效果给用户足够的参考。

在追求虚拟试穿的趣味性、互动性以及用更「务实」的方式提供足够的参考信息之间如何做好平衡，对于厂商而言是个需要去面对的难题。

Google 最新推出的虚拟试穿解决方案，则是选择了后者。

借由一种被称为 diffusion 的技术，Google 最新的生成式 AI 可以向你展示不同的衣服在不同体型的真实模特身上的穿戴效果。

相对于其他同类型的虚拟试穿方案，Google 的这项服务能够将褶皱、折叠、包裹、拉伸和阴影等一些细节但是很重要的细节一览无余地展示出来，换言之，能更加真实地展示出衣物在不同体型、姿势上所呈现的物理效果。并且能避免如错位等带来的视觉上的缺陷。

这样的精准效果由基于 diffusion 的 AI 模型实现，Google 也分享了这一 AI 模型的机制。

首先需要解释的是 diffusion。Diffusion（扩散）是逐步向图像中添加额外的像素（或者叫噪点）的过程，直到图片变得无法识别。然后，再完全消除噪点，从而高质量地重建原始图像。

类似 Imagen 这样的文本到图像（text-to-image） 使用 diffusion 以及来自大语言模型的文本，使得用户输入的文本能够生成逼真的图像。

Google 最新的试穿效果的实现正是受这一工作机制的启发，不过与 Imagen 不同的是，在这个过程中，Google 的输入对象并非文本，而是一组图像，即衣服和人。

衣服和人对应的图像被分别发送至各自的神经网络（U-net），然后在一个被称为「cross-attention」的过程中共享信息，最终生成一个输出——着装人物的真实图像。

这种基于图像的 diffusion 和 cross-attention 的结合构成了 Google 的这个新的 AI 模型。

基于这个模型的用途，对该模型的训练方式也有别于 Imagen（后者使用大模型进行数据训练）。Google 使用 Shopping Graph 来对其进行训练，Shopping Graph 是涵盖了产品、卖家、品牌等信息的全球最全面的数据集。

训练的数据类型为图像，每组图像包括两个穿着不同、姿势不同的人，如一个侧身站立、穿着衬衫的人，另一个人则是正面站立。训练开始后，AI 模型将学习将侧立姿势的人身上的衬衫向正面站立的人身上进行匹配（反之亦然），直到它可以从所有角度生成衬衫在正面站立的人身上的逼真图像。

而为了提升最终的效果，Google 使用了数百万个不同服装和人物的随机图像重复了这一过程，最终呈现出衣服在不同情况下展现出的真实效果。

这项服务目前已经在美国开放，用户可以通过 Shopping Graph 来进行女式上衣的试穿，目前支持 Anthropologie、LOFT、 H&M 和 Everlane 等品牌。此后这项服务将会支持男式上衣以及更多的品牌和商品。

此外，为了更进一步提升衣服的选购体验，Google 还同步推出了一项延伸服务。在搜索的关联结果中，除了传统的价格过滤项，Google 还提供了颜色、风格、款式等其他过滤选项，而这些选项也是基于机器学习和视觉匹配算法实现的。

湾里小结

虚拟试穿（Virtual try-on，VTO）实际上已有多年的发展历史，这与其广阔的市场空间密不可分。

根据相关报道，全球虚拟试衣间市场规模预计将由 2019 年的 30.7942 亿美元增长至 2025 年底的 65.6547 亿美元，复合年增长率(CAGR)为 13.44%。

广阔的市场空间意味着广阔的发展机遇，但是发展带来的新的问题如何更好地解决却是整个行业都需要慎重思考的难题。

AR 试穿某种程度上解决了用户试穿的问题，但是不成熟的技术让其为用户能提供的真实价值需要画上问号。相比而言，Google 这种形式上更加「朴素」的解决方案或许才是用户心中真正想要的答案。

主笔：陈述 / 球盟会登录入口网页版

编辑：晓月 / 球盟会登录入口网页版

题图来源：Designers