New Experience of Clothing E-commerce Retail with AIGC
AI图像生成技术助力服装电商零售新体验
项目目标：
R&R：
-
为核心利用AIGC-图像技术，优化传统服装电商款品拍摄，并基于数据沉淀构建全新服装体验模式
-
探索AIGC在电商领域的更多可能性和新业态，为创业方向寻找新契机
-
BU leader - 核心方案、组建团队、融资
-
PMO - 产品规划、BD、项目运营
从2021年开始，AI逐渐走入互联网事业，AI的颠覆性生产力在逐渐被AI开发者所发掘。当今AIGC重要分为语言文本、图像、音频、视频四大生成式AI类别，这四大类同时也是作为开发者而言，也是最容易接触和理解的四大类别。
围绕Treelab在服装电商领域的蓬勃发展和客户资源积累，我们成立了AI业务的探索业务组，探索AIGC-图像生成在拟真图像领域的强大创造力（基于DELL-E、PI-REC、Latent Diffusion（SD前身）等开源技术为基础）。在与业内人士和自身开发者深度研究了应用潜力之后，决定在服装领域，打造一个可以由服装款品自动生成服装效果展示的AI图像产品。
从以往服装电商的商业链路上来看，服装电商具有更新频率高（月更新款品约20~35SKU、产品拍摄约10W~40W）、营销成本大（营销损耗占成本约30%以上）、退换货率高（线上退换货率约46~74%）等显著特征，对于电商卖家或服装品牌而言，如何应对上述问题，利用AI能力从降本增效的角度切入来优化商业链路，是我思考的核心问题。以款品更新频率高这个问题为例，每次上新品都意味着要产生一次巨大的款品拍摄成本：
不仅拍摄耗时耗力，服装产品的市场投放同样也造成了大量的人力成本和分佣损耗，每一个环节，都在造成产品利润的磨损，市场部需要和各个KOL/KOC协商寄拍、带货等业务，回收结果也尝尝不尽人意。
根据多年对服装供应链和品牌的深度研究，从款品的开发、评审打样、拍摄、市场投放甚至上架售卖，我们希望为服装产品卖家和消费者，逐步提供四大核心服务内容（产品），覆盖现有服装电商从生产到销售的“人货场”进行AI赋能。
1 - 一套服装，一劳永逸
利用AI深度算法模型让机器对服装的特征数据进行识别和打点标注，让每件衣服都成为一个可塑的AI小模型，基于服装模型与模特大模型进行融合，借助AI的发散理解能力和推演扩散生成无数种所需模特，并对服装进一步1:1还原。最终生成可自定义背景、模特类型、造型的超拟真服装模特摄影照片。
2 - 一张设计线稿，给你无限想象
与在服装品牌设计新款产品的过程中，从设计稿到面料选型再到打样评审，以上环节耗时冗长且不可或缺，不仅影响了从设计到开发落地的响应速度，面料选型和评审修改也依赖人工模式。那么利用AI对线稿的自主学习和版型识别，可通过给予AI所需面料、工艺、模特特征等关键提示词，来快速渲染该设计线稿的高保真效果图，并根据反复调整提示词更换面料和拼接工艺，加速整个设计开发进程，极大提升设计效率。
3 - AI KOL矩阵，打造服装专属拟真网红
与上述服装AI小模型同样的算法原理，机器通过对多张照片的面部标注和识别（Deepface），生成人物AI小模型，并与其他小模型和基础大模型进行融合运算，最终达到人物、服装不变，造型和场景可自定义的效果。由于生成效果极尽真实，我们可根据客户需求为品牌打造出属于品牌自身的、独一无二、完全可控的AI虚拟模特，配合服装模型，以更低的运营成本打造各传媒渠道中的品牌专属KOL，促进带货和渠道营销。
4 - 虚实结合，带你体验全新试衣新体验（产品规划中）
与大量服装客户的接触中了解到，服装产品是所有产品中，退换货率最高的品类（约46%~74%），最核心的原因来自服装品类依赖于买家真实上身效果是否符合买家预期，这也是电商一直以来无法替代线下实体商品的核心因素。但这背后对于卖家而言，有着极大的损耗成本：二次包装、仓储囤积、理货配货、往返物流等等，那么如何在线上搭建一个拟真的试衣间，来促进买家成单并降低退换货，是一个值得深入探究的大命题，因为这不仅仅是一个功能产品，也意味着可能会改编现有的电商消费模式，甚至扩列成为全品类的消费体验模式。
如今从AI的技术角度调研来看，虚拟试衣间从技术角度依然逐渐成为现实，利用Difussion扩散图像算法和Deepfake面部仿造技术，配合Unity 5虚幻引擎强大的建模能力和参数API，相信未来不久，我们真的可以足不出户，亲临实景地体验所有的产品。
项目初步情况
初始团队成员来自Tommy Hilfiger、Google assistant、Riot Games等顶尖相关领域，2个月陪跑KA客户 10+，资方初步注资意向500万，已开发MVP产品DEMO，逐步开始灰测和冷启动：
