Примерка одежды онлайн: Онлайн примерочная: сайты для подбора одежды и гардероба

Онлайн примерочная: сайты для подбора одежды и гардероба

Мы выбрали несколько ресурсов, которые работают как онлайн-примерочные. Расположены они в случайном порядке, без ранжирования. 

Примерочная Glamstorm.com

Фактически glamstorm.com — это просто удобная игрушка: можно выбрать вдохновляющий фон, модель нужного роста и комплекции, выбрать ей макияж с прической и составить несколько комплектов, прикинуть возможные сочетания типичных для масс-маркета вещей, принтов, оттенков. Проверено: это помогает в прогулке по магазинам — берешь легинсы или чиносы и сразу представляешь, какой топ к ним подойдет.

Минус — почти все это богатство доступно только после регистрации на сайте, а часть и вовсе только после премиум-подписки. Обойдется аккаунт в 3 евро. Еще один грустный момент — одежда и обувь в GlamStorm только кажется доступной к покупке: в приложение загружены коллекции 2015 года, которые давно распроданы.

Примерочная Павлопосадские платки

Нет, мы серьезно: на сайте Павловопосадские платки есть онлайн-примерочная.

Как можно догадаться, раз это сервис одного бренда, примерить тут можно только платки. Хорошая новость — количество платков в примерочной стремится к бесконечности, а еще можно загрузить собственную фотографию. Понравившийся вариант можно посмотреть в каталоге и купить.

Примерочная Showroom

Вообще-то это не совсем примерочная: showroom.onvolga — сайт организации, занимающийся созданием подобных сервисов для интернет-магазинов. Зато нам, простым смертным, доступны несколько версий примерочных: на улыбающуюся модель (ее выбираем только из предложенных сервисом) можно надеть как деловой костюм, так и свадебное платье или вовсе примерить прически и украшения. Последнее нам особенно понравилось: ну когда еще сможем нацепить на тридцатилетнего мужчину безумную шляпу или корону принцессы, чтобы он при этом продолжал нам спокойно улыбаться?

Примерочная Центральная оптика

Несложно догадаться, что предлагают примерить в Центральной Оптике.

Загружаете свое фото и надеваете хоть обычные, хоть солнцезащитные очки. Примерить оправу можно и на себя, и на мужа, и на ребенка — все очки разделены по категориям. Существенный минус — очень мало оправ для примерки, а половина тех, что есть, устарели лет 5 назад.

Примерочная Ecco 

А вот теперь шутки в сторону: именно такой должна быть виртуальная примерочная в 2019 году, как сайт Ecco. Никаких кривоватых 2D-моделек и сомнительной практичности — полностью индивидуальный подход и ясная цель. Обувной бренд Ecco предлагает подбирать идеально подходящую вам обувь онлайн.

Для этого нужно скачать на смартфон приложение «Примерочная Ecco и следовать краткой видеоинструкции — процесс сканирования ваших ног занимает всего несколько минут. После этого приложение создает наглядную 3D-модель ноги, учитывая полноту, высоту взъема и прочие измерения. Примерить можно любую модель из каталога бренда, а потом заказать ее доставку или зайти в ближайший магазин. Приложение досупно на IOS и Android, поддерживает семейный доступ — использовать его могут до 6 человек одновременно.

Больше материалов о моде:

Как виртуальная примерка одежды помогает ритейлерам удерживать покупателей

Мы уже писали, что беларусы придумали мобильное приложение Goodstyle — виртуальную примерочную одежды. С его помощью можно увидеть, как вещь из каталогов интернет-магазинов будет выглядеть на покупателе, а также скомбинировать ее с другими товарами или даже уже имеющимися в гардеробе пользователя предметами. Разработчики уже заключили контракты Tom Tailor, Stradivarius, Lacoste, GUESS, а партнёрами приложения являются Lamoda и Aliexpress.

Marketing.by расспросил Кирилла Новикова, основателя и руководителя компании VIP IT, о разработке, продвижении и перспективах приложения Goodstyle.

— Расскажите, как родилась в целом идея разработки и запуска приложения?

— Первые мысли о том, что было бы здорово, если бы покупатели могли заранее представить себя в той или иной вещи, посетили меня еще в мои 19, когда я работал на своей первой работе — консультантом в фирменном магазине Adidas. Правда, эти мысли были преждевременными хотя бы потому, что смартфонов как таковых на тот момент не существовало, да и онлайн-торговли тоже. Однако со временем, когда появился и интернет как часть нашей повседневной жизни, и онлайн-торговля, и смартфоны, эта смутная первоначальная идея смогла оформиться до ясного и четкого представления о том, каким должен быть такой продукт, как виртуальная примерочная, кому и зачем он мог бы быть полезен. Финальную точку поставил фильм «Терминал» с Томом Хэнксом. В нем есть момент, когда герой пытается примерить на себя костюмы с витрины, «подставляя» свое лицо манекенам с одеждой. Как-то так все это и представлялось в моем воображении — и я понял, что пора переходить от мыслей к их воплощению.

— Что происходит в нише мобильных приложений для виртуальной примерки? Как она развивается на фоне масштабного перехода модных покупок в онлайн?

— Два с половиной года назад, когда мы приступили к активной фазе реализации идеи создания виртуальной примерочной, я какое-то время я мониторил рынок на предмет изучения существующих альтернатив и обнаружил, что особой конкуренции в этой нише нет.

За прошедшее время ситуация, конечно, изменилась: появилось несколько продуктов с похожим смыслом. Было бы странно, если бы было по-другому — ведь рынок онлайн-покупок одежды активно развивается. Однако прямыми конкурентами друг другу и нам они не являются, поскольку каждый по-своему подходит к функционалу и предоставляет пользователям разные возможности.

— Каковы уникальные отличия вашего продукта, которые позволили вам привлечь внимание партнеров — Lamoda, Aliexpress?

— Когда я начинал продумывать идею создания виртуальной примерочной, много размышлял о том, почему крупные ритейлеры вроде eBay или Amazon, Zara или H&M до сих пор не предложили ничего подобного сами. Идея-то, по сути, лежит на поверхности, в их распоряжении есть многомиллиардные бюджеты — а продукта нет. А потом мы обнаружили, что сам процесс обработки фото из каталогов с тем, чтобы сделать возможной виртуальную примерку на любую фигуру (что и делает приложение Goodstyle уникальным) достаточно сложен и трудоемок. А если представить, с каким количеством товаров приходится иметь дело крупным ритейлерам (у одной только Lamoda — порядка 400 тыс. наименований!), учесть, что одежда — товар быстрооборачиваемый и каталоги обновляются как минимум ежедневно, понять отсутствие собственного приложения уже легче.

Вместе с тем, возможность «поиграть» с товаром перед его покупкой, примерить на себя различные образы и стили — эффективный «якорь», который помогает удержать покупателя. Так что нашей задачей было создать инструмент, который бы позволял сделать процесс обработки любых объемов фотографий из каталогов простым и быстрым. И таким инструментом стала наша нейросеть: за час она способна обработать несколько тысяч изображений. Именно это и нужно было нашим партнерам — и именно поэтому им интересен наш продукт.

Кроме того, наш сервис «подсказывает» пользователям, где найти желаемые товары или похожие модели — и тем самым помогает интернет-площадкам увеличить количество покупателей и обеспечивает дополнительные продажи.

— Почему и как вам удалось добиться партнерства с крупными игроками?

— По сути, мы предлагаем продукт 4-в-1:

• сервис подбора одежды с последующей покупкой;
• функция создания готовых образов с подбором максимально похожих на желаемые вариантов в интернет-магазинах;
• возможность оценить совместимость понравившейся вещи со своим гардеробом еще до покупки, а также выбирать, в чем пойти на работу или гулять, составляя сеты прямо в приложении — причем с учетом прогноза погоды или других факторов;
• онлайн-журнал о моде — с новостями и статьями, посвященными основным тенденциям, интересными рассказами и фактами из мира моды и другим востребованным контентом.

Мы выбрали именно такой подход не случайно. Дело в том, что большинство программ, которые люди устанавливают на свои смартфоны (порядка 80%), так и остается лежать в памяти мертвым грузом. Поэтому мы стремились создать не несколько разных, а одно удобное и практичное приложение, которое помогало бы решать сразу несколько задач и которым человек пользовался бы каждый день.

В перспективе — пока отдаленной, но обозримой — мы хотим «научить» нейросеть подбирать наиболее удачные для пользователя варианты на основе анализа его телосложения, цветотипа и других индивидуальных особенностей. Наша цель — стать своего рода Tesla в своей сфере: первопроходцами, на которых равняются остальные.

— Расскажите о продвижение среди конечных пользователей: на что делали ставку, что сработало? Работаете ли с лидерами мнений?

— Нашей первоочередной целью было выпустить продукт и проверить свою гипотезу в действии: насколько такая возможность окажется востребованной, куда, в какие разделы пользователи будут заходить, будут ли совершать покупки.

Начать мы решили с Lamoda — этот ресурс хорошо известен в русскоязычном сегменте, ему доверяют, да и территориально он ближе всего к нам. С другой стороны, мы понимали, что для того, чтобы иметь хорошие KPI и показывать хорошие продажи, нам необходим американский рынок: онлайн-продажи на нем достигают 40% от общего объема, а средний чек намного выше, чем в России. Именно для выхода на американский рынок мы в ближайшие месяц-полтора и планируем развернуть крупную рекламную кампанию. На российском рынке мы, по сути, занимались не рекламой (хотя была небольшая рекламная кампания в Facebook и Instagram в виде запуска баннерной рекламы с целью собрать пользователей), а аналитикой. Первые же собранные нами данные внушили оптимизм: мы привлекли 10 тыс. пользователей, увидели, что в среднем в Goodstyle человек проводит 9 минут — а это очень неплохо на начальном этапе. Да, из этих 10 тыс. был закономерный отток (порядка 60%), но оставшиеся 40% пользуются приложением достаточно активно.

При правильном таргетировании, настройке по интересам процент оттока был бы ниже, но на том этапе это не было нашей целью.

Что касается работы с лидерами мнений, мы не привлекали их целенаправленно — нам интересно проверить, насколько наше приложение в состоянии привлечь их так же, как привлекло обычных пользователей, и получить профессиональный и объективный фидбек от авторитетных представителей модной индустрии.

На начальных этапах определенную проблему создавало отсутствие iOS-версии (работа над ней шла с отставанием на 3-4 месяца), однако сейчас она есть, а значит, можно начинать более активно работать над продвижением нашего приложения, поскольку теперь мы закрываем всю аудиторию пользователей смартфонов.

— Какими способами удерживаете пользователей приложения? Как работаете с контентом — новостями из мира моды, советами? 

— Покупки одежды носят импульсный характер: иногда достаточно увидеть интересный образ или необычную вещь, чтобы спонтанно ее приобрести. Наше приложение дает пользователям возможность играть с образами, видеть и оценивать себя в абсолютно разных имиджах и стилистических решениях — и тем самым создает этот импульс, желание купить, желание продолжать. Потому что это интересно, это делает жизнь ярче и красивее, наполняет ее эмоциями. При этом пользование приложением не требует таких усилий, как поход по офлайн-магазинам и примерка реальных вещей — особенно если речь идет о покупках для мужей или детей, то есть категорий, которые обычно не отличается любовью к шоппингу .И эта простота тоже нравится пользователям.

Свою роль играет и работа с контентом: новости, статьи, модные советы создают соответствующую информационную среду, вдохновляют на новые идеи (например, повторить образ с красной дорожки) да и просто позволяют восполнить пробелы в знаниях о мире моды. Над наполнением этих разделов работают профессиональные журналисты и копирайтеры, контент обновляется ежедневно, мы следим за тем, чтобы информация была актуальной, разнообразной и интересной нашим пользователям.

В перспективе мы планируем внедрить возможность получать индивидуальные консультации стилистов, привлекать их к помощи в шоппинге и созданию цельного образа в соответствии с потребностями пользователя (возможно, в качестве платной опции).

интерактивная примерочная ,одежда онлайн ,примерка одежды

Кто же из нас не мечтает примерить на себя множество образов одним кликом?
Теперь это стало возможно с нашей интерактивной разработкой «Виртуальная примерочная».

Как это работает?

Вы наверняка слышали о технологии дополненной реальности, сегодня эта технология набирает сумасшедшие обороты, область применения не ограничена, вот и наши специалисты решили использовать ее возможности по максимуму.
На сенсорном экране вы выбираете из большого ассортимента представленных моделей то, что вы хотели бы примерить на себя, нажав на выбранную позицию она появляется на большом зеркале. Вы сразу можете видеть себя в данной одежде, вы можете покрутиться, присесть, и одежда будет двигаться вместе с вами, «чудеса» скажете вы! Конечно капелька чуда тут присутствует тоже, но все это результат слаженной команды менеджеров, дизайнеров, инженеров компании Interactive Russia.

Кому это будет полезно?

Музеям – каждый посетитель может окунуться в определенную эпоху, примерив на себя любой исторический костюм.
Магазинам – покупатель может подобрать ассортимент и посмотреть сочетание стилей не тратя много времени на переодевание.
Развлекательным паркам – а почему бы вам не стать Робин Гудом или не примерить на себя костюм Белоснежки? Каждый гость может примерить на себя любой образ, выбрав любимого сказочного героя на сенсорном экране. Все зависит только от вашей фантазии.
Все подобранные луки вы можете отправить на свою электронную почту, введя адрес в специальном окне.

Уникальность данной интерактивной виртуальной примерочной состоит в том, что вы сразу видите результат в зеркале, не нужно тратить много времени и сил, снимая и надевая одежду. Да и не в каждом музее есть возможность так глубоко погрузить посетителя в эпоху.
Данный интерактив не оставит равнодушным ни детей, ни взрослых, и эта активность точно попадет в новостные ленты соцсетей ваших покупателей. Это отличная возможность продвижения своего бренда!

Если вы заинтересовались данной интерактивной разработкой, просто позвоните нам, и наши специалисты с удовольствием проконсультируют вас. Помните, в компании Interactive Russia работают настоящие профессионалы своего дела, готовые воплотить любые ваши идеи.

Технология виртуальной примерки и рекомендации размера на базе цифровой модели человека

Виртуальная посадка

При разработке новой коллекции одежды не нужно физического пошива тестовой вещи, достаточно виртуальной примерки на манекене в любой из конструкторских программ. Цифровизация процесса конструирования одежды позволяет ускорить циклы разработки одежды и не тратить материалы и время на пошив одного экземпляра.

Параметры виртуального манекена будут соответствовать реальным покупателям, а не быть просто набором значений “по умолчанию” в программе. Конструктор одежды должен знать как выглядит реальная аудитория бренда. Персонализация манекена для виртуальной примерки повысит качество и успешность новой коллекции одежды.

Возможность сбора больших объемов данных о покупателях превращает производителей одежды в центры хранения и обработки клиентских данных. От качества данных и выводов на их основе зависит успешность новых коллекций и компании в целом.

Устаревшие таблицы

Размерная сетка определяет параметры отшиваемой одежды и регламентирует процесс производства одежды на фабрике. Данные для размерных сеток необходимо обновлять на постоянной основе и детально сегментировать исходя из параметров новых коллекций.

Автоматизация процесса сбора обмеров покупателей позволит ускорить процесс обновления данных в размерных сетках. Информация о параметрах тела реальных покупателей поможет при анализе успешности продаж конкретных размеров и даст быструю обратную связь конструкторам бренда.

Наличие актуальных данных о покупателях поможет найти новые сегменты потенциальных клиентов бренда, начать выпускать коллекции под определенные сегменты аудитории. Разделять и властвовать на рынке массового производства одежды.

Возрождение индивидуального пошива

Автоматическое получение качественных обмеров тела решает многолетнюю проблему изготовления одежды на заказ. Благодаря развитию технологий компьютерного зрения клиенты могут узнать свои обмеры в любой точке Земли всего за несколько минут – достаточно сделать 2 фотографии. Отправка этих данных производителю займет всего несколько секунд.

Индивидуальный пошив снова начинает занимать существенную долю fashion-рынка. Новые технологии снижают затраты и не требуют физического присутствия клиента в ателье. Изготовление одежды на заказ может быть полностью автоматизировано за счет синхронизации данных конкретного клиента с настройками оборудования, которыми пользуются портные в процессе выполнения заказа.

Примерка | La Redoute

Примерка | La Redoute

Бутик концептуальной моды!

Бутик концептуальной моды!

Политика использования Cookie и веб логов

Мы используем cookies, чтобы улучшить работу и повысить эффективность сайта. Используя наш сайт, вы принимаете правила использования cookies, веб логов и схожих технологий.

Вы можете воспользоваться услугой примерки выбрав курьерскую доставку с примеркой при оплате на сайте и при получении.

• Заказ:

  • В заказе должно быть не более 10-ти товаров.

  • Услуга доступна для городов: Москва и МО Санкт-Петербург и Лен. область, Владимир, Иваново, Казань, Калуга, Нижний Новгород, Новосибирск, Пермь, Рязань, Смоленск, Тамбов, Тверь, Тула, Уфа, Челябинск, Ярославль.

• Оплата:

  • Стоимость услуги 350 руб – будет включена в сервисный сбор (оплачивается вне зависимости от выкупа заказа).

  • Оплата заказа возможна картой или наличными курьеру при получении посылки.

• Примерка:

  • Длительность примерки: 15 минут.

  • Нужно больше времени? В течение 90 дней с момента получения посылки Вы можете принять решение и при необходимости вернуть неподошедшие вещи!

• Описание услуги:

  • Выбрав услугу курьерская доставка с примеркой, Вы сможете отказаться от части товаров и выкупить только понравившиеся вещи. Вы можете вскрыть пакет при курьере. Во избежание различного рода недоразумений просим Вас брать вещи по одной и примерять их по очереди. После примерки каждой вещи просим Вас вкладывать ее в тот индивидуальный пакет с наклейкой, в котором мы Вам ее привезли. При этом желательно сверить наименование и размер товара, указанные на наклейке пакета, с самим товаром.

  • Курьер предоставит Вам чек на выкупленные товары. Услуга примерки включена в сервисный сбор, она оплачивается с каждым заказом даже при полном выкупе посылки.

Остались вопросы? Свяжитесь с нами:

192.168.106.33 44134.1767213194 109 PRODUCTION

Как технологии влияют на индустрию моды

В конце октября 2019 года в Москве появится несколько тестовых точек скоростной сети 5G. «Главное преимущество этой технологии – поддержка большого количества подключенных устройств. Все смарт-гаджеты – от мобильных девайсов до комплектующих­ для «умного дома» – смогут работать параллельно без риска высокой нагрузки на сеть. С появлением 5G проблема сбоев будет полностью решена, – предсказывает IT-эксперт, журналист Эрик Хачатрян. – Кроме того, эта технология­ открывает новые возможности для ­онлайн-шопинга. Сейчас виртуальная примерка одежды требует большей затраты ресурсов как от самого девайса, так и от сервера, которые должны обрабатывать большой­ объем данных. Сети нового поколени­я позволяют сделат­ь этот процесс быст­рее и стабильнее. Наприме­р, виртуаль­ный пиджак на экране смартфона или на дисплее, встроенном в «умное» ­зеркало, будет выглядеть максимально четко и реалистично. Еще одно направление развития – «умны­е» колонки, которые могут заказывать вещи по команде. Благодаря распространению 5G их количество будет увеличиваться, и уже через десять лет фраза «Алиса, закажи смокинг к вечеру четверга» станет ­обыденностью».

Виртуальные консультанты

Сегодня мы по-прежнему ищем модные идеи и подсказки в журналах, посещаем специализированные сайты, листаем Instagram-ленту или советуемся с друзьями, сведущими в подобных вопросах, а кто-то обращается за помощью к стилистам. Велика вероятность, что через несколько лет эта профессия исчезнет и специалистов заменит искусственный интеллект. Нет, условным Мелу Оттенбергу или Марни Сенофонте бояться нечего – едва ли звезды заменят своих персональных советников технологичными версиями. Однако в перспективе роботизированный консультант по стилю имеет все шансы стать таким же бытовым прибором, как тостер или утюг.

Amazon уже делает шаги в этом направлении и предлагает купить камеру, которая снимает своего владельца в полный рост, оценивает образ и рекоменду­ет, что стоит надеть или докупить. Впрочем, пока что продукт не пользуется особой популярностью: рейтинг у него средний, а отзывы слишком противоречивые. Большинство покупателей отмечают, что особой пользы умная камера не приносит и едва ли способствует кардинальным переменам в имидже.

Но Amazon предлагает и более любопытную альтернативу. Программу StyleSnap на основе искусственного интеллек­та уже окрестили модной версией Shazam. Природа не наградила вас врожденным чувством стиля­? Не беда, просто сфотографируйте­ или загрузите понравившийся образ в приложение, которое разберет его на составляющие и предложит аналогичные варианты. На сайте Amazon, само собой.

И это далеко не единственный ретейлер, столь активно внедряющий технологии искусственного интеллекта. Поисковик Lyst, одно из детищ концерна LVMH, использует алгоритмы для определения популярности товаров по ряду критериев, таких как категория, бренд и цвет. А онлайн-гигант Net-a-Porter тестирует алгоритм, кототорый дает возможность получать информацию из ­онлайн-календаря клиента, чтобы предложить выборку товаров согласно предстоящим планам: костюм для собеседования или соломенную шляпу для поездки на тропические острова.

Ряд компаний прибегает к видео­аналитике, сводящей на нет профессию мерчандайзера. Целая система отслеживает поведение клиента в торговом зале, его предпочтения и частоту визитов в магазин. Полученные данные помогают распределять товары таким образом, чтобы гарантированно повысить шанс их покупки. Так, в прошлом году компания H&M объявила о внедрении искусственного интеллекта для аналитики офлайн-продаж, чтобы с большей выгодой производить заведомо коммерчески успешные вещи, а количест­во нераспроданных товаров свести к ­минимуму.

Впрочем, если виртуальные манекены и стилисты с заданными алгоритмами уже мало кого удивляют, то ­концепция виртуального дизайнера по-прежнему кажется чем-то из области фантастики. Однако все предпосылки к его появлению уже существуют. В этом году компания Nvidia показала демоверсию нейросети GauGan, названной в честь художника Поля Гогена. На основе эскизов пользователей она создает реалистичные картины с высочайшей детализацией. Пока нейросеть умеет работать только с пейзажами, но уже способна различать и интерпретировать даже такие сложные нюансы, как, например, блики на поверхности воды. Разработчики отмечают, что со временем нейросеть на­учится воспроизводить изображения любых объектов, включая людей. А это значит, что и одежда будет ей по силам.

Пока креативные директора модных Домов могут спать спокойно: в ближайшем будущем творческие способности искусственного интеллекта едва ли смогут хотя бы немного приблизиться­ к человеческим. Однако в некоторых сферах технологии они и правда имеют все шансы легко вытеснить специалистов из плоти и крови. Скажем, зачем­ масс-маркет-бренду, копирующему тенденции крупных игроков, держать целу­ю команду штатных дизайнеров? Искусственный интеллект будет способен анализировать ­образы с показов в разы быстрее и выдавать идеи коммерчес­ки успешных продуктов практически в неограниченном ­количестве.

Цифровые модели

За последние пару лет виртуальны­е инфлюенсеры стали вполне обыденным явлением. Самая популярная онлайн-­модель Lil Miquela не ограничивается присутствием в инстаграме. Она берет интервью, появляется на облож­ках глянцевых журналов, снимается в рекламе и записывает музыкальные­ клипы. На сегодняшний день ее аккаун­т насчитывает более 1,5 миллио­на подписчиков. За проектом стоит лос-анджелесская компания Brud с оценочной стоимостью $125 миллионов. Кроме того, она курирует аккаунты виртуальных инфлюенсеров Bermuda и Blawko. Последний также ведет свой собственный канал на YouTube, где обсуждает модные новости, образы знаменитостей, гороскопы, рецепты и все, что может потенциально интересовать современную молодежь.

Вполне логично, что вслед за вир­туаль­ными инфлюенсерами ­будут набира­ть обороты виртуальные бренды. Далеко не все могут заплатить несколько­ сотен евро за сумку Jacquemus или футболку Balenciaga. Однако уже появляются программы, ­которые дают возможность примерить эти вещи, пусть только путем наложения на фото для соцсетей. В мае этого года Nike выпустили виртуальную версию своей культовой модели Air Force для компьютерной игры Fortnite. Теперь каждый игрок имеет возможность обуть своего персонаж­а по последнему слову моды, правда, за отдельную ­плату.

Амстердамский бренд виртуальной одежды The Fabricant также набирает­ популярность: свадебные платья, футуристичные костюмы, кожаные куртки можно заказать, точнее, скачать на официальном сайте. В описании товаров указаны не размеры и состав, а вес файла. А выглядят они более чем реалистично. Некоторые крупные бренды и сами предлагают схожие опции в формате масок для сторис: очки Dior и Off-White уже давно стали частью инстаграм-быт­а. А тысячи лифтолуков в виртуальных худи Vetements или кроссовках Louis Vuitton – лишь ­вопрос времени.

Умные материалы

В 2002 году бренд Prada выпустил дож­девик, который при контакте с водой становился непрозрачным. В сравнении с нынешними разработками дизайнеров это скорее напоминает трюк с кроликом и цилиндром.

Особенно активно технологии осваивает сегмент спортивной моды. Кроссовки HOVR Infinite от Under Armour заменяют тренера: встроенный сенсор передает через Bluetooth данные на смартфон, а специальное приложение анализирует динамику тренировки, учитывая темп, дистанцию и ряд прочих показателей. Пользователь также может получить персональные рекомендации для более эффективных занятий. К вящей радости фанатов фильма «Назад в будущее» эксперимент Nike по созданию самозашнуровывающихся кроссовок вот-вот завершится победой. С одной стороны, выглядеть новинка будет не более чем забавой для сникерхедов, но с другой – важной инновацией, которая может быть полезна людям с нарушениями мелкой моторики.

Технологии помогают в производст­ве тканей с полезными свойствами.­ В Авст­ралии компания Coolibar вы­пуст­ила линейку одежды, которая не пропуска­ет до 97 % ультрафиолета. Для жителей страны с очень агрессивным солнечным излучением изобретение крайне важное. Японская компания Fuji Spinning Co. создала футболки, выделяющие витамин C при контакте с кожей. Для одежды из коллаборации японцев Uchino Japan и Senscommon разработали специальную ткань с добавлением древесного угля, получаемого из дуба убаме. Он призван нейтрализовывать запахи. А марка Hugo Boss и вовсе перерабатывает кофейные зерна в нити, которы­е потом служат основой для ткани с антибактериальными и солнцезащитными свойствами.

Ко всему прочему, новые технологии также позволяют компаниям брать курс на экологичность. Французский Дом Chanel уже не первый год активно двигается в этом направлении, а не так давно компания вложилась в бостонский стартап Evolved by Nature, который проводит эксперименты по созданию нового вида искусственного шел­ка. Впечатляют уже первые результаты: на ощупь материал ничем не отличается от натурального, а по прочности и долго­вечности ничуть не уступает нейлону.

Онлайн-примерки

В конце 2018 года платформа Yoox представила новый сервис Yooxmirror. Для этого нововведения компания разработала виртуального консультанта, которого можно одевать, а также наблюдать на его примере одежду в движении. Приятная опция – возможность выбора локаций, включая различные мировые достопримечательности.

Дополненная реальность – широкое­ поле для экспериментов, и в конечном счете эти уловки могут быть не только развлечением, но и определяющи­м фактором для потенциального покупателя. В июне в приложении Gucci для iOS появилась опция виртуально­й примерки кроссовок Ace. Технологи­ю разработала белорусская компания Wannaby, также придумавшая приложение Wanna Kicks для примерки кроссовок самых разных брендов. Все, что требуется, – навести камеру на ноги. «Прямо сейчас мы работаем с несколькими брендами и ретейлерами над интеграцией этой технологии и в ближайшее время планируем представить серию премьер. Пока основной фокус сосредоточен на кроссовках и обуви в целом, но в 2020 году мы планируем разработать виртуальную примерку для других категорий вещей», – рассказывает CEO Wannaby Сергей Архангельский.

Японский интернет-магазин Zozo в свое время пытался внедрить технологию сканирования тела под названием Zozosuit. Суть проста: умный костюм, покрытый 350 датчиками, измеряет параметры пользователя в различных положениях, и на основе полученных данных специальное приложение для смартфона составляет точную 3D-модель фигуры. К сожалению, изобретение пока так и не вышло в широкий тираж. Хотя стоит признать, что в обозримой перспективе оно имеет все шансы на успех.

Даже в 2019 году огромное количест­во покупателей по-прежнему обходит онлайн-шопинг стороной, делая выбор в пользу обычных магазинов. Джинсы, костюмы, пальто, рубашки – сложны­е с точки зрения посадки категории товаро­в, которые требуют предварительной примерки. Далеко не каждый готов заказывать одежду наугад, а в случае неудачи тратить время на оформление возврата. Технологии сканирования тела призваны решить эту проблему в ближайшем будущем и вывести онлайн-шопин­г на качественно новый уровень.

«Технологии уже влияют на предпочтения и вкусы покупателей. Самый очевидный пример – инстаграм. Не секрет, что подборка контента в разделе «рекомендации» – результат работы алгоритмов. В конечном счете все то, что вы видите изо дня в день на людях в своей ленте, так или иначе влияет на ваш вкус и восприятие, – отмечает Сергей Архангельский. – Технологии вроде нашей разработки Wanna Kicks предлагают пользователю удобный способ взаимодействия с потенциальной покупкой. Есть предположение, будто виртуальная примерка заставляет покупать больше, превращая потребителей в шопинг-зомб­и. Но мы видим, что наша технология позволяет лучше ознакомиться с товаром и понять, вписывается ли он в гардероб пользователя. По итогам приложение позволяет сформировать более доверительные отношения между брендом и покупателем». Вполне очевидно, что технология виртуальной примерки существенно снижает риск ошибки при заказе онлайн. Что, в свою очередь, дает возможность сделать потребление более осознанным и спасти планету от тотального захламления. Во имя нашего светлого ­будущего, ­разумеется.

Вероятно, вам также будет интересно:

13 самых смешных и страшных применений нейросетей

Вы тоже состарили себя с помощью российского приложения FaceApp?

Как появился тренд на утилитарную и технологичную одежду

9 крутых приложений, использующих дополненную реальность

Фото: Legion-Media; Imaxtree; коллажи: Алик Новожилов

Часто проверяете почту? Пусть там будет что-то интересное от нас.

Российский бренд одежды Rasena открыл для своих покупателей виртуальную примерочную

Воспользоваться виртуальной примерочной очень просто. Выбрав понравившуюся вещь, посетитель сайта ставит галочки в специальных полях, определяя форму фигуры, а также уточняет свой вес, рост, параметры объема груди, талии и бедер. Далее онлайн-примерочная предлагает посетителю загрузить свою фотографию. В завершении покупатель видит на экране своего гаджета себя в выбранной вещи с указанием того размера, который подходит именно ему.

Используемая на сайте Rasena технология онлайн примерки создана компанией Texel на основе искусственного интеллекта и генеративной нейронной сети (GAN), что позволяет распознавать особенности строения фигуры человека по фотографии и «одевать» его в новую одежду. Виртуальная примерка вещей дополняется рекомендацией подходящего размера по базовым параметрам (рост, вес, возраст, тип фигуры) – на основе крупнейшей базы 3D-сканов собранной Texel.

Юлия Сунцева, основатель и глава бренда Rasena:

— Договор о сотрудничестве с Texel мы подписали месяц назад. И уже сегодня наши клиенты могут виртуально примерить некоторые вещи перед онлайн покупкой. В ближайшие месяц будет доступна примерка всех вещей, представленных на сайте. Подобные сервисы в мире набирают всё большую популярность. Среди самых знаменитых — виртуальная примерка кроссовок Gucci. И мы, конечно же, хотим, чтобы наши клиенты одними из первых получили доступ к новым технологиям, повышающим комфорт покупки из любой точки мира, особенно это становится важным сейчас – в эпоху глобализации и повсеместного онлайна.

По статистике каждый год доля онлайн-заказов в интернет-магазинах одежды и обуви растет, но также растет и доля возвратов, она составляет 50–70% — это огромные затраты на логистику.

«Каждый год в землю закапывается 91 млн. тонн текстильных отходов, а в атмосферу выбрасывают миллионы тонн CO2 от бесполезной логистики в связи с такими возвратами. Онлайн примерочная от Texel позволяет значительно сократить количество возвратов в связи с неподходящим размером и стилем, а также уменьшить число покупок ненужной одежды «на один раз для фотографии в соц. сеть». Теперь для этого можно просто загрузить фотографию в виджет, и у вас готов новый лук, которым можно поделиться с друзьями», — говорит представитель Texel.

Уже достаточно давно существуют виртуальные примерочные обуви, они работают вполне успешно. При этом рабочих кейсов виртуальных примерочных одежды гораздо меньше, многие из них застряли на уровне теории.

«Мы выбрали Texel как работающий, понятный и доступный вариант. Ожидаем, что с помощью интеграции данного сервиса на наш сайт уже в этом году мы сможем значительно оптимизировать затраты на логистику – до 50 %. А это одна из глобальных проблем в современной сфере fashion-индустрии. Поэтому эта новость окажется интересной не только непосредственно для клиентов, но и для наших коллег по индустрии. Мы всегда готовы поделиться опытом и наработками», — говорит Юлия Сунцева.

Rasena приглашает познакомиться с новым сервисом, примерить и приобрести понравившиеся вещи из зимней коллекции (например, золотую дубленку с объемными рукавами). И уже в апреле прийти за новинками из весенней коллекции – полюбоваться собой в виртуальной примерочной перед покупкой, чтобы сделать эмоциональный выбор еще и очень точным.

«Мы уверены, что наличие онлайн примерочной поможет нашим клиентам уменьшить количество сомнений перед приобретением вещей, придаст уверенности в выборе и позволит получить удовольствие от обладания вещью еще на этапе примерки через живую персонализированную визуализацию»,  уточняет глава бренда Rasena.

Новая технология искусственного интеллекта Amazon позволяет пользователям виртуально примерить одежду

Новое событие GamesBeat не за горами! Узнайте больше о том, что будет дальше.

---

В серии статей, которые планируется представить на конференции IEEE по компьютерному зрению и распознаванию образов (CVPR), исследователи Amazon предлагают дополнительные алгоритмы искусственного интеллекта, которые могут стать основой помощника, помогающего покупателям покупать одежду. Один позволяет пользователям точно настраивать поисковые запросы, описывая варианты изображения продукта, а другой предлагает продукты, которые подходят к элементам, уже выбранным клиентом.Между тем, третий синтезирует изображение модели в одежде с разных страниц продукта, чтобы продемонстрировать, как предметы сочетаются друг с другом в качестве наряда.

Amazon уже использует искусственный интеллект для управления Style by Alexa, функцию приложения Amazon Shopping, которая предлагает, сравнивает и оценивает одежду с использованием алгоритмов и человеческих усилий. Благодаря рекомендациям по стилю и программам, таким как Prime Wizard, которые позволяют пользователям примерить одежду и вернуть то, что они не хотят покупать, розничный торговец борется за большую долю продаж на сокращающемся рынке одежды, одновременно предлагая товары, которые покупатели обычно не могут выбирать.Это явная победа для бизнеса — за исключением случаев, когда рекомендуемые аксессуары, конечно же, принадлежат Amazon.

Виртуальная примерочная сеть

Исследователи из Lab126, лаборатории оборудования Amazon, которая породила такие продукты, как Fire TV, Kindle Fire и Echo, разработали основанную на изображениях виртуальную систему примерки под названием Outfit-VITON, предназначенную для визуализации того, как предметы одежды на эталонных фотографиях могут выглядеть на образ человека. По словам Amazon, его можно обучить на одном изображении, используя генеративную состязательную сеть (GAN), тип модели с компонентом, называемым дискриминатором, который учится отличать сгенерированные элементы от реальных изображений.

«Интернет-магазин одежды предлагает удобство совершения покупок, не выходя из дома, большой выбор товаров и доступ к самым последним товарам. Тем не менее, онлайн-покупки не позволяют примерить одежду, тем самым ограничивая понимание покупателем того, как на самом деле будет выглядеть одежда », — пишут исследователи. «Это критическое ограничение стимулировало разработку виртуальных примерочных, где изображения покупателя в выбранной одежде генерируются синтетически, чтобы помочь сравнить и выбрать наиболее желаемый вид. ”

Outfit-VITON состоит из нескольких частей: модели создания формы, входными данными которой является изображение запроса, которое служит шаблоном для окончательного изображения; и любое количество эталонных изображений, на которых изображена одежда, которая будет перенесена в модель из изображения запроса.

При предварительной обработке установленные методы сегментируют входные изображения и вычисляют модель тела запрашиваемого человека, представляющую его позу и форму. Сегменты, выбранные для включения в окончательное изображение, передаются в модель создания формы, которая объединяет их с моделью тела и обновляет представление формы изображения в запросе.Это представление формы перемещается во вторую модель — модель создания внешнего вида — которая кодирует информацию о текстуре и цвете, создавая представление, которое объединяется с представлением формы для создания фотографии человека, носящего одежду.

Третья модель

Outfit-VITON точно настраивает переменные модели создания внешнего вида, чтобы сохранить такие элементы, как логотипы или отличительные узоры, без ущерба для силуэта, что приводит к тому, что Amazon утверждает, что результаты являются «более естественными», чем у предыдущих систем. «Наш подход создает геометрически правильную карту сегментации, которая изменяет форму выбранных эталонных предметов одежды, чтобы соответствовать целевому человеку», — пояснили исследователи. «Алгоритм точно синтезирует мелкие детали одежды, такие как текстуры, логотипы и вышивка, используя онлайн-схему оптимизации, которая итеративно настраивает синтезированное изображение».

Визиолингвистическое открытие продукта

В одном из других документов рассматривается проблема использования текста для уточнения изображения, которое соответствует запросу, предоставленному заказчиком.Подход инженеров Amazon объединяет текстовые описания и функции изображения в представления на разных уровнях детализации, так что клиент может сказать что-то столь же абстрактное, как «что-то более формальное» или столь же точное, как «изменить стиль шеи», и при этом сохраняется некоторое изображение. функции, следуя инструкциям клиентов по изменению других.

Система состоит из моделей, обученных на трех входах: исходное изображение, текстовая редакция и целевое изображение, которое соответствует редакции. Входные данные проходят через три разные подмодели параллельно, и в разных точках конвейера представление исходного изображения объединяется с представлением текста, прежде чем оно будет коррелировано с представлением целевого изображения. Поскольку нижние уровни модели, как правило, представляют входные функции более низкого уровня (например, текстуры и цвета), а более высокие уровни — функции более высокого уровня (длина рукава или плотность посадки), иерархическое сопоставление помогает обучить систему, чтобы убедиться, что она способна обрабатывать текстовые модификации различных разрешений, согласно Amazon.

Каждое слияние лингвистических и визуальных представлений выполняется отдельной двухкомпонентной моделью. Один использует механизм совместного внимания для определения визуальных характеристик, которые должны быть одинаковыми в исходном и целевом изображениях, а другой определяет функции, которые должны измениться. В ходе тестов исследователи говорят, что он помогал находить достоверные совпадения с текстовыми модификациями на 58% чаще, чем его наиболее эффективный предшественник.

«Поиск изображений — фундаментальная задача компьютерного зрения.В этой работе мы исследуем задачу поиска изображений с текстовой обратной связью, которая дает пользователям право взаимодействовать с системой, выбирая эталонное изображение и предоставляя дополнительный текст для уточнения или изменения результатов поиска », — написали соавторы. «В отличие от предыдущих работ, которые в основном сосредоточены на одном типе текстовой обратной связи, мы рассматриваем более общую форму текста, которая может быть либо описанием, похожим на атрибут, либо выражением на естественном языке».

Получение дополнительных предметов

В последней статье исследуется метод крупномасштабного поиска модных данных, при котором система прогнозирует совместимость предмета одежды с другой одеждой, гардеробом и аксессуарами.Он принимает в качестве входных данных любое количество изображений одежды вместе с числовым представлением, называемым вектором, указывающим категорию каждого, вместе с вектором категории востребованного товара покупателем, что позволяет покупателю выбирать такие вещи, как рубашки и куртки, и получать рекомендации по их выбору. туфли.

«Покупатели часто покупают одежду, которая хорошо сочетается с тем, что было выбрано или куплено ранее», — пишут исследователи. «Возможность порекомендовать совместимые товары в нужный момент улучшит их покупательский опыт… Наша система предназначена для крупномасштабного поиска и превосходит современные по прогнозированию совместимости, заполнению бланков и экипировке. поиск дополнительных предметов.”

Вверху: пример получения дополнительных предметов одежды. Первый
ряд: частичная экипировка с недостающим предметом (башмаком). Вторая строка: результаты получены с использованием авторского метода.

Кредит изображения: Amazon

Изображения проходят через модель, которая создает векторное представление каждого из них, и каждое представление проходит через набор масок, которые уменьшают акцент на некоторых характеристиках представления и усиливают другие. (Маски изучаются во время обучения, а полученные представления кодируют информацию о продукте, такую ​​как цвет и стиль, которая имеет отношение только к подмножеству дополнительных предметов, таких как обувь, сумки и головные уборы. Другая модель принимает в качестве входных данных категорию для каждого изображения и категорию целевого элемента и выводит значения для приоритезации масок, которые называются представлениями подпространств.

Вся система обучается с использованием критерия оценки, учитывающего экипировку. Каждая обучающая выборка включает в себя одежду, а также предметы, которые хорошо сочетаются с этой одеждой, и группу предметов, которые не подходят, например, после обучения система создает векторные представления каждого предмета в каталоге.Затем для поиска наилучшего дополнения к конкретной одежде нужно искать соответствующие векторы.

В тестах, в которых используются два стандартных критерия комплементарности одежды, система превзошла своих трех ведущих предшественников с точностью заполнения бланка 56,19% (и 87% площади совместимости под кривой), обеспечивая при этом более эффективный поиск предметов и новейшие результаты по наборам данных, сканированным с нескольких веб-сайтов онлайн-покупок (включая Amazon и Like. com).

VentureBeat

Миссия VentureBeat — стать цифровой городской площадью, где лица, принимающие технические решения, могут получить знания о преобразующих технологиях и транзакциях. На нашем сайте представлена ​​важная информация о технологиях и стратегиях обработки данных, которая поможет вам руководить своей организацией. Мы приглашаем вас стать участником нашего сообщества, чтобы получить доступ:

• Актуальная информация по интересующим вас вопросам
• наши информационные бюллетени
• закрытый контент для лидеров мысли и доступ со скидкой к нашим призовым мероприятиям, таким как Transform 2021 : Узнать больше
• сетевых функций и многое другое

Стать участником

Розничные торговцы пытаются решить дилемму примерочных по мере роста онлайн-продаж

Маркос дель Мазо | LightRocket | Getty Images

Во время недавнего похода в магазин быстрой моды Zara 20-летняя Кэтрин Херден закупилась топами, шортами и платьями разных размеров.

Поскольку раздевалки Зары все еще закрыты из-за ограничений, связанных с Covid, она знала, что не сможет что-либо примерить в этом магазине. Поэтому вместо этого Херден выписалась и перешла с отцом через улицу в другой универмаг, где она схватила случайную пару джинсов и заскочила в открытую примерочную. Ее план с самого начала состоял в том, чтобы использовать этот магазин, чтобы примерить свои кирки Zara, и, не смущаясь, отправить своего отца обратно в Zara, чтобы вернуть то, что она не собиралась оставлять.

«Мой бедный папа», — сказал Херден, студент Бостонского колледжа, в интервью.«Мы заставляем его ждать в очередях, куда бы мы ни пошли».

Опыт Хердена подчеркивает более серьезную дилемму, с которой компании по производству одежды борются на протяжении многих лет, но которая особенно ярко проявилась во время пандемии. Прошлой весной розничным торговцам от Gap до Lululemon и American Eagle пришлось закрыть магазины для покупателей на несколько недель. И даже когда магазины одежды начали снова открываться, многие компании по-прежнему предпочитали держать примерочные закрытыми, пытаясь предотвратить распространение Covid. Некоторые из них, такие как Zara’s, остаются закрытыми в некоторых частях Соединенных Штатов.

Головные боли для потребителей очевидны: отсутствие возможности примерить товары в магазинах означает потенциально запасаться товарами дополнительных размеров, как это сделал Херден, чтобы позже посмотреть, что работает дома. Покупатели, как правило, используют аналогичную стратегию при поиске одежды или обуви в Интернете — они покупают платье двух или даже трех размеров — что все чаще и чаще происходит в период кризиса со здоровьем. Для предприятий эта цепочка событий приводит к резкому росту показателей возврата. И за это приходится платить.Поскольку пандемия Covid служит своего рода тревожным сигналом, розничные торговцы, в том числе крупнейший в стране Walmart, ищут способы решить дилемму примерочной.

Согласно исследованию Национальной федерации розничной торговли, в прошлом году потребители вернули товаров на сумму около 428 миллиардов долларов, или около 10,6% от общего объема розничных продаж в США. По данным NRF, одежда составила около 12,2% от этой суммы, добавив, что на каждый 1 миллиард долларов продаж средний розничный торговец получает 106 миллионов долларов возврата товаров.

Жюстин Э., блогер по рецептам здорового питания, которая в Instagram написала «@justine_snacks», недавно зашла в приложение для социальных сетей, чтобы выразить свое разочарование по поводу Зары.

«Гримерные закрыты, поэтому вы автоматически знаете, что вам придется вернуть ЧТО-ТО, но затем, когда вы вернете эту вещь, вы [вероятно] купите что-то еще, и тогда вы застрянете в ‘ Zara loop », — написала она.

Zara не сразу ответила на запрос CNBC о комментарии.

Обследование 401 U.По данным Coresight Research, 42,4% покупателей вернули нежелательные товары в период с марта 2020 года по март 2021 года, при этом наиболее часто возвращаемой категорией товаров была одежда, что почти вдвое больше, чем электроника.

По данным отдельного опроса, проведенного Incisiv и Newmine, из 10 основных причин, по которым потребители, возвращающие товары, делают их «покупали только для того, чтобы примерить», они заняли седьмое место.

По словам основателя и генерального директора Coresight Деборы Вайнсвиг, более высокий процент возврата именно в категории одежды, вероятно, усугубляется тем фактом, что многие люди впервые совершили покупки в Интернете в прошлом году.Потребители, которые раньше заходили в торговый центр, не имели другого выбора, кроме как просматривать веб-страницы. Согласно данным Coresight, продажи одежды и обуви в Интернете в 2020 году выросли на 27,2% до 121,5 млрд долларов.

«Высокий уровень возврата снижает прибыльность продукта», — сказал Вайнсвиг. «Размер, крой и цвет, не соответствующие ожиданиям покупателей, также влияют на возврат товаров».

Розничные торговцы теперь обращаются к более мелким стартапам, которые годами работали над технологиями, чтобы решить эту самую проблему.

Технология виртуальной примерочной 3DLOOK дает пользователям рекомендации по стилям в зависимости от их размеров.

Источник: 3DLOOK

3DLook, компания, занимающаяся мобильными технологиями измерения тела, недавно представила новую платформу под названием «YourFit», которую планирует предложить большему количеству розничных продавцов одежды. Он позволяет покупателям виртуально примерить одежду и дает рекомендации по размеру на основе пользовательских данных. Эта технология направлена ​​на то, чтобы показать покупателям, как одежда будет выглядеть на них в виртуальном режиме онлайн или на смартфоне.

«Поощрение людей к тому, чтобы они сканирули самих себя … для этого определенно требуется много образования», — сказала в интервью соучредитель 3DLook и директор по стратегии Уитни Кэткарт.«Это новая технология. Потребители привыкли проходить викторины, и наша цель с самого первого дня заключалась в том, чтобы просить потребителя как можно меньше и обеспечить этот действительно богатый опыт в области фитнеса».

1822 Denim был одним из первых брендов, внедривших технологию 3DLook около двух лет назад.

Таня Зребец, вице-президент по инновациям и стратегии 1822 Denim, сказала, что с момента заключения партнерства с 3DLook рентабельность бизнеса упала примерно на 48%, в то время как средняя стоимость заказов выросла примерно на 23%. По ее словам, коэффициент конверсии также вырос, а это означает, что клиенты совершают покупки, а не бросают онлайн-корзину или оставляют магазины с пустыми руками.

«Было так много проблем с калибровкой, и индустрия моды говорила потребителю, что ей следует носить, как она должна выглядеть и какого размера она должна быть», — сказал Зребец в интервью. «Большинство модных компаний никогда не принимают во внимание то, как на самом деле выглядит их потребитель».

С тех пор, как добавилась технология, 1822 стал намного лучше контролировать запасы, сказала она.Он знает, что будут искать его клиенты, потому что хранит базу данных об их размерах.

«Трудно найти продукт любого размера для каждого потребителя», — сказал Зребец. «Таким образом, это также очень помогает нам в управлении уровнями наших запасов — и в реальном понимании того, кто наш клиент, каковы его размеры, и как мы можем получить правильный продукт и не иметь излишков и запасов, которые просто теряются».

Один из самых больших голосов доверия к технологии виртуальных примерочных был получен от Walmart, который в мае объявил о приобретении израильского стартапа Zeekit, чтобы лучше обслуживать клиентов, покупающих одежду на его веб-сайте.Условия сделки не разглашаются.

Walmart приобретает Zeekit, стартап виртуальной примерочной, в котором есть технология, позволяющая покупателям загружать фотографии, примерять одежду в цифровом виде и узнавать мнение друга.

Источник: Walmart

Когда технология Zeekit встроена на веб-сайт Walmart, клиенты смогут загружать свои фотографии или выбирать из различных моделей, которые представляют их рост, форму и оттенок кожи. Затем сайт покажет, как подойдет одежда.Пользователи также могут делиться виртуальными нарядами с друзьями, чтобы получить второе мнение.

Zeekit заявила, что ее виртуальные примерочные снизили доходность на 36%. Среди его предыдущих клиентов — сеть универмагов Macy’s и производитель кроссовок Adidas.

«Виртуальная примерка меняет правила игры и решает то, что исторически было одной из самых сложных задач для воспроизведения в Интернете — понимание соответствия и того, как товар на самом деле будет выглядеть на вас», — сказала Дениз Инкандела, исполнительный вице-президент Walmart в США. одежда и частные бренды.

Однако до того, как люди начали использовать приложения дополненной реальности для примерки одежды, виртуальная примерка получила наибольшее распространение в индустрии красоты. В конце прошлого года Google запустил инструмент для примерки красоты с дополненной реальностью, чтобы помочь таким брендам, как L’Oreal, MAC Cosmetics и Charlotte Tilbury. Эксперты говорят, что бальзамы для губ и тени для век гораздо проще воспроизвести на лице в зеркале, чем подобрать подходящую форму для всего наряда.

Facebook работает над способами использования дополненной реальности, чтобы виртуально примерить такие предметы, как одежда, даже когда это показано в рекламе. Это могла бы быть одна из инициатив, которая поможет катапультировать опыт в мейнстрим. Это последует за Snap, приобретающим в марте компанию Fit Analytics.

Amazon, которая сместила Walmart и стала крупнейшим розничным продавцом одежды в стране, баловалась технологиями виртуальных примерочных, но ничего не набирало обороты. Похоже, что больше внимания уделяется тому, чтобы технология работала в домашней категории. На веб-сайте компании есть функция «Просмотр в вашей комнате», позволяющая клиентам создавать пространство с помощью инструментов дополненной реальности.

Amazon может стремиться увеличить свои инвестиции, связанные с модой, после шага Walmart. Тем не менее, некоторые потребители, вероятно, всегда предпочтут поход в настоящую раздевалку.

«Я бы скептически отнесся к этому», — сказала Херден об использовании технологии виртуальной примерочной для себя. «Я все еще люблю примерять».

Walmart приобретает стартап по примерке виртуальной одежды Zeekit — TechCrunch

Гигант розничной торговли Walmart объявил сегодня утром о приобретении стартапа Zeekit из Тель-Авива, который позволяет потребителям виртуально «примерять» одежду при совершении покупок в Интернете. Компания использует комбинацию обработки изображений в реальном времени, компьютерного зрения, глубокого обучения и других технологий искусственного интеллекта, чтобы показать покупателям, как они будут выглядеть в предмете, посредством моделирования, которое учитывает размеры тела, посадку, размер и даже ткань. самой одежды.

Условия сделки не разглашаются. Согласно данным PitchBook, Zeekit привлек более 24 миллионов долларов внешнего капитала, но мы подтвердили, что это неточно. Zeekit собрал серию А в размере 9 миллионов долларов в 2016 году, а с 2014 года — 16 миллионов долларов.

Компания уже работала с рядом розничных продавцов и брендов перед приобретением, включая Walmart, а также Macy’s, Asos, Tommy Hilfiger, Adidas и другие. Когда-то он работал с Ребеккой Минкофф во время Недели моды, помогая женщинам покупать наряды для показа.

Zeekit была основана в 2013 году генеральным директором Яэль Визель, вице-президентом по исследованиям и разработкам Ниром Апплбоймом и техническим директором Алоном Кристалом, с предпосылкой того, что если бы онлайн-покупатели могли видеть, как одежда будет выглядеть на их собственном теле, технология может снизить скорость возврата. на неподходящие, нелестные вещи.

Кредиты изображений: Walmart

Walmart заявляет, что клиенты смогут использовать технологию Zeekit, чтобы виртуально примерить товары таких брендов, как Free People, Champion, Levi Strauss, ELOQUII Elements, Free Assembly, Scoop, Sofia Jeans от Sofia Vergara, а также собственные бренды частных торговых марок, такие как Time and Tru, Terra & Sky, Wonder Nation и Джордж.

Когда эта технология будет запущена на Walmart.com, покупатели смогут загрузить собственное изображение или выбрать из серии моделей, которые лучше всего отражают их рост, форму и оттенок кожи, чтобы увидеть себя практически в любом предмете одежды.Цель состоит в том, чтобы сделать так, чтобы при покупках в Интернете примерка одежды была такой же, как в обычном магазине.

Покупатели также смогут делиться своими виртуальными нарядами с друзьями, чтобы получить второе мнение, благодаря новой интеграции, добавляя социальный элемент обратно в онлайн-покупки.

В дополнение к виртуальной примерке, Walmart говорит, что технология Zeekit может быть использована для создания других модных впечатлений с течением времени, в том числе виртуального туалета, где вы можете смешивать и сочетать стили.

После закрытия сделки трое соучредителей Zeekit присоединятся к Walmart.

«Мы уверены, что, обладая опытом команды в области внедрения технологий обработки изображений в реальном времени, компьютерного зрения и искусственного интеллекта в мир моды, мы найдем еще больше способов внедрения инноваций для наших клиентов в нашем постоянном стремлении быть первыми. — выбор направления для моды », — сказала Дениз Инкандела, исполнительный вице-президент Walmart по одежде и частным брендам в США.

Walmart в прошлые годы активно инвестировал в одежду, в том числе путем приобретения онлайн-брендов, таких как Bonobos, ModCloth, Eloquii и других, и даже пытался предложить некоторым брендам, например Nike, собственный магазин на Walmart. com. Не все эти усилия окупились. Walmart продал ModCloth всего через пару лет после его покупки, например, после того, как клиенты ModCloth отказались принадлежать гиганту розничной торговли, и бренд остался убыточным. Совсем недавно Walmart в партнерстве с онлайн-магазином ThredUP разместил большое количество подержанных товаров на веб-сайте Walmart.

В дополнение к борьбе за прибыльность, одежда в более широком смысле была более сложной областью для онлайн-розничной торговли, часто из-за трудностей, связанных с выбором предметов, которые должны подходить к уникальным телам, а также из-за нестандартных размеров, которые используют модельеры: это означает, что одежда может быть меньше или больше в зависимости от бренда, даже если вы покупаете одежду «на свой размер».”

Еще одним фактором, который мог повлиять на приобретение, была пандемия, которая подтолкнула электронную коммерцию на годы вперед, поскольку розничные торговцы закрывали свои двери, а потребители оставались дома, чтобы делать покупки в Интернете из-за кризиса в области здравоохранения. По данным Wells Fargo, за это время Amazon обогнал Walmart в качестве ведущего ритейлера одежды в США, по оценкам которого продажи одежды и обуви в 2020 году выросли на 15% и превысили 41 миллиард долларов, что на 20-25% выше, чем у Walmart.

Walmart не сказал, когда Zeekit появится на сайте Walmart, только то, что он появится «скоро».”

Мы понимаем, что после приобретения Walmart не будет продолжать управлять существующим бизнесом Zeekit. Zeekit будет работать со своими текущими клиентами над планом перехода.

Обновлено 13.05.21, 11:05 по восточноевропейскому времени с более точными общими суммами финансирования. Ранее мы отмечали данные PitchBook. С тех пор мы напрямую подтвердили эти цифры.

Глубокое обучение для виртуальной примерки одежды — проблемы и возможности

Максим Татарянц, инженер по анализу данных в MobiDev .

Исследование, описанное ниже, было проведено MobiDev в рамках исследования по внедрению технологий AR и AI для разработки виртуальных примерочных.

Изучение 2D-переноса ткани на изображение человека

При работе над приложениями для виртуальной примерочной мы провели серию экспериментов с виртуальной примеркой одежды и выяснили, что правильная визуализация 3D-модели одежды на человеке все еще остается проблемой. Для убедительного опыта AR модель глубокого обучения должна определять не только базовый набор ключевых точек, соответствующих суставам человеческого тела.Он также должен определять фактическую форму тела в трех измерениях, чтобы одежда могла подходить к телу.

В качестве примера этого типа модели мы можем взглянуть на DensePose от исследовательской группы Facebook (, рис. 1, ). Однако этот подход не является точным, медленным для мобильных устройств и дорогостоящим.

Рисунок 1 : Обнаружение сетки тела с помощью DensePose (источник).

Итак, требуется поиск более простых альтернатив виртуальным техникам примерки одежды.

Популярным вариантом здесь является то, что вместо примерки трехмерных предметов одежды можно работать с двухмерными предметами одежды и двухмерными силуэтами людей. Именно этим и занимается компания Zeekit, предоставляя пользователям возможность применить к своей фотографии несколько типов одежды (платья, брюки, рубашки и т. Д.).

Рисунок 2 : Примерка 2D одежды, Zeekit (источник, 0:29 — 0:39).

Поскольку методы переноса ткани, используемые компанией, не были раскрыты, кроме включения моделей глубокого обучения, давайте обратимся к научным статьям по этой теме.После обзора нескольких последних работ (источник 1, источник 2, источник 3) преобладающим подходом к проблеме является использование генеративных состязательных сетей (GAN) в сочетании с моделями оценки позы и анализа человека. Использование двух последних моделей помогает идентифицировать области на изображении, соответствующие определенным частям тела, и определять положение частей тела. Использование генеративных моделей помогает создать искаженное изображение перенесенной одежды и применить его к изображению человека, чтобы минимизировать количество произведенных артефактов.

Избранная модель и план исследования

Для этого исследования мы выбрали модель сети создания и сохранения адаптивного контента (ACGPN), описанную в статье «На пути к фотореалистичной виртуальной примерке с помощью адаптивной генерации и сохранения содержимого изображений». Чтобы объяснить, как работает ACGPN, давайте рассмотрим его архитектуру, показанную на рис. 3 .

Рисунок 3 : Архитектура модели ACGPN (кредит: Ян и др., 2020).

Модель состоит из трех основных модулей: семантическая генерация, деформация одежды и слияние содержимого.

Модуль семантической генерации получает изображение целевой одежды и ее маски, данные о позе человека, карту сегментации со всеми частями тела (особенно важны руки) и идентифицированные предметы одежды.

Первая генеративная модель (G1) в модуле семантической генерации изменяет карту сегментации человека таким образом, чтобы она четко определяла область на теле человека, которая должна быть покрыта целевой одеждой.Получив эту информацию, вторая генеративная модель (G2) деформирует маску одежды, чтобы она соответствовала площади, которую она должна занимать.

После этого маска деформированной одежды передается в модуль деформации одежды, где сеть пространственного преобразования (STN) деформирует изображение одежды в соответствии с маской. И, наконец, искаженное изображение одежды, измененная карта сегментации из модуля семантического генерирования и изображение человека вводятся в третий генеративный модуль (G3), и создается окончательный результат.

Для тестирования возможностей выбранной модели мы прошли следующие шаги в порядке возрастания сложности:

1. Тиражирование результатов авторов на исходных данных и наших моделях предварительной обработки (Simple).
2. Применение нестандартной одежды к изображениям человека по умолчанию (Medium).
3. Применение стандартной одежды к нестандартным изображениям человека (Сложно).
4. Нанесение нестандартной одежды на нестандартные изображения человека (Очень сложно).

Тиражирование результатов авторов на исходных данных и на наших моделях предварительной обработки

Авторы оригинальной статьи не упомянули модели, которые они использовали для создания меток сегментации людей и обнаружения ключевых точек на человеческом теле. Таким образом, мы сами выбрали модели и убедились, что качество результатов модели ACGPN было таким же, как и в документе.

В качестве детектора ключевых точек мы выбрали модель OpenPose , поскольку она обеспечивала соответствующий порядок ключевых точек (набор данных ключевых точек COCO) и использовалась в других исследованиях, связанных с виртуальной примеркой для замены одежды.

Рисунок 4 : Пример обнаружения ключевой точки COCO с помощью OpenPose.

Мы выбрали модель SCHP, представленную в документе Self Correction for Human Parsing, для сегментации частей тела. Эта модель использует общую для человеческого анализа архитектуру CE2P с некоторыми модификациями функций потерь.

Модель сегментации

SCHP использует предварительно обученную магистраль (кодировщик) для извлечения функций из входного изображения. Восстановленные признаки затем используются для предсказания контуров человека в граничной ветви и сегментации человека в синтаксической ветви.Выходные данные этих двух ветвей вместе с картами функций из кодировщика были переданы в ветвь слияния, чтобы улучшить качество карт сегментации.

Рисунок 5 : Архитектура модели SCHP (на основе CE2P), кредит изображения — Ли и др.

Еще одним новым элементом модели SCHP является функция самокоррекции, используемая для итеративного улучшения прогнозов модели на зашумленных метках истинности. Эти метки обычно используются в задачах синтаксического анализа человеком, поскольку составителям-людям может быть сложно создавать метки сегментации. Во время этого процесса модель, сначала обученная на неточных человеческих аннотациях, агрегируется с новыми моделями, обученными на псевдопочвенных масках истинности, полученных из ранее обученной модели.

Процесс повторяется несколько раз до тех пор, пока маска истинности модели и псевдоземлявая маска не станут более точными. Для задачи человеческого анализа мы использовали модель, обученную на наборе данных Look Into Person (LIP), потому что она наиболее подходит для этой задачи.

Рисунок 6 : Примеры человеческого анализа с использованием модели SCHP (человек — слева, сегментация — справа).

Наконец, когда были готовы модели ключевой точки и человеческого анализа, мы использовали их результаты для запуска модели ACGPN на тех же данных, которые использовали авторы для обучения. На изображении ниже вы можете увидеть результаты, полученные нами из набора данных VITON.

Модуль семантической генерации изменяет исходную сегментацию, чтобы она отражала новый тип одежды. Например, пуловер на исходном изображении имеет длинные рукава, а целевая ткань (футболка) — короткие рукава.Поэтому маску сегментации следует изменить так, чтобы руки были более открытыми. Эта преобразованная сегментация затем используется модулем Content Fusion для окрашивания измененных частей тела (например, рисования обнаженных рук), и это одна из самых сложных задач для выполнения системой ( рис. 7, ).

Рисунок 7 : Входы и выходы модели ACGPN.

На изображении ниже ( Рис. 8 ) вы можете увидеть результаты компиляции успешной и неудачной замены одежды с использованием модели ACGPN.Наиболее частыми ошибками, с которыми мы столкнулись, были плохая окраска (B1), наложение новой одежды на части тела (B2) и дефекты краев (B3).

Рисунок 8 : Успешная (A1-A3) и неудачная (B1-B3) замена одежды. Артефакты отмечены красными прямоугольниками.

Применение нестандартной одежды к изображениям людей по умолчанию

Для этого эксперимента мы выбрали несколько предметов одежды ( Рис. 9 ) и применили их к изображениям человека из набора данных VITON.Обратите внимание, что некоторые изображения не являются настоящими фотографиями одежды, а представляют собой 3D-рендеры или 2D-чертежи.

Рисунок 9 : Изображения одежды, используемые для виртуальной примерки (A — фотография предмета, B, C — 3D-рендеры, D — 2D-рисунок).

Переходя к результатам замены одежды ( рис. 10, ), мы видим, что их можно условно разделить на три группы.

Рисунок 10 : Примеры замены одежды с использованием нестандартной одежды (Строка A — успешная с незначительными артефактами, Строка B — умеренные артефакты, Строка C — основные артефакты).

Изображения в строке A не имеют дефектов и выглядят наиболее естественно. Это можно объяснить тем фактом, что люди на изображениях имеют аналогичную позу вертикально лицом к камере. Как пояснили авторы статьи, такая поза помогает модели определить, как новая одежда должна быть деформирована и применена к изображению человека.

Изображения в строке B представляют собой более сложную позу, которую должна обработать модель. Туловище человека слегка согнуто, а руки частично закрывают ту область тела, на которую предполагается надеть одежду.Как показано на Рис. 8 , изогнутый торс приводит к краевым дефектам. Обратите внимание, что сложная одежда с длинными рукавами (позиция C из рис. 9 ) обрабатывается правильно. Это потому, что рукава должны пройти сложные трансформации, чтобы они соответствовали рукам человека. Невероятно сложно, если руки согнуты или их силуэт перекрыт одеждой на исходном изображении.

На изображениях в строке C показаны примеры почти полного отказа модели.Это ожидаемое поведение, поскольку у человека на входных изображениях туловище сильно скручено, а руки согнуты так, что они закрывают почти половину области живота и груди.

Применение стандартной одежды к пользовательским изображениям людей

Давайте рассмотрим эксперименты по применению модели к неограниченным изображениям людей в естественной среде обитания. Набор данных VITON, используемый для обучения модели, имеет очень статические условия освещения и не так много вариантов перспектив и поз камеры.

При использовании реальных изображений для тестирования модели мы поняли, что разница между данными обучения и данными без ограничений значительно снижает качество вывода модели. Пример этой проблемы вы можете увидеть на Рис. 11.

Рисунок 11 : Замена одежды — влияние несхожести фона с данными тренировки. Строка A — исходный фон, строка B — фон заменен на фон, аналогичный тому, что в наборе данных VITON.

Мы нашли изображения человека, у которого была такая же поза и перспектива камеры, что и на изображениях тренировочного набора данных, и мы увидели многочисленные артефакты, присутствующие после обработки (строка A). Однако после удаления необычной фоновой текстуры и заполнения области тем же цветом фона, что и в наборе обучающих данных, качество полученного вывода было улучшено (хотя некоторые артефакты все еще присутствовали).

При тестировании модели с использованием большего количества изображений мы обнаружили, что модель работала прилично на изображениях, подобных тем из обучающего распределения, и полностью провалилась там, где входные данные были достаточно отчетливыми.Вы можете увидеть наиболее успешные попытки применения модели и типичные проблемы, которые мы обнаружили в Рис. 12 .

Рисунок 12 : Результаты замены одежды на изображениях с неограниченной средой (строка A — второстепенные артефакты, строка B — умеренные артефакты, строка C — основные артефакты).

На изображениях в строке A показаны примеры мест, где основными дефектами являются краевые дефекты.

Изображения в строке B показывают более критические случаи ошибок маскирования.Например, размытие ткани, дыры и пятна на коже / одежде в тех местах, где их не должно быть.

На изображениях в строке C показаны серьезные ошибки рисования, такие как плохо нарисованные руки и ошибки маскировки, такие как немаскированная часть тела.

Применение нестандартной одежды к индивидуальным изображениям людей

Здесь мы проверили, насколько хорошо модель может обрабатывать как нестандартную одежду, так и индивидуальные фотографии людей, и снова разделили результаты на три группы.

Рисунок 13 : Замена одежды с неограниченной средой и нестандартными изображениями одежды.

Изображения в строке A показывают лучший результат, который мы могли получить от модели. Комбинация нестандартной одежды и пользовательских изображений людей оказалась слишком сложной для обработки без хотя бы умеренных артефактов.

На изображениях в строке B показаны результаты, в которых артефактов стало больше.

Изображения в строке C показывают наиболее сильно искаженные результаты из-за ошибок преобразования.

Планы на будущее

Модель

ACGPN имеет свои ограничения, например, данные тренировки должны содержать парные изображения целевой одежды и людей, носящих эту конкретную одежду.

Учитывая все вышеописанное, может сложиться впечатление, что виртуальная примерка одежды неосуществима, но это не так. Сейчас это непростая задача, но она также открывает окно возможностей для инноваций на основе искусственного интеллекта в будущем. И уже есть новые подходы, предназначенные для решения этих проблем.Еще одна важная вещь — это принять во внимание технологические возможности при выборе правильного сценария использования.

Связанный:

Запуск платформы дополненной реальности для примерки одежды

Компания Reactive Reality, занимающаяся дополненной реальностью (AR), объявила, что на этой неделе запустит свои мобильные и веб-приложения PICTOFiT Shopping, предназначенные для улучшения платформ электронной коммерции с помощью технологии виртуальной примерки одежды.

С пятницы розничные продавцы могут бесплатно загрузить PICTOFiT Shopping из магазина приложений Apple, а также использовать PICTOFiT Shopping из любого браузера. При этом они увидят, как технологические предложения Reactive Reality могут значительно улучшить впечатления покупателей от покупок.

PICTOFiT может быть легко интегрирован в приложение или на веб-сайт продавца , и достигается за счет использования пакета разработки программного обеспечения компании.

Потребители смогут создавать персонализированные аватары, которые точно соответствуют их внешнему виду и размерам, просматривать модные товары, пробовать различные комбинации на своем аватаре в виртуальной примерочной и экспериментировать с виртуальным фоном.

У потребителей есть возможность взять анонимный аватар и персонализировать его только с собственными размерами тела или использовать снимок камеры своего смартфона, чтобы создать аватар, который точно соответствует их внешнему виду.

Эта технология также может отображать тонкости одежды, например, заправленную или расстегнутую рубашку, уровень прозрачности одежды и то, как один предмет выглядит наложенным поверх другого.

Данные о клиентах

Reactive Reality показывают, что компании, внедряющие PICTOFiT, в среднем увеличивают выручку от продаж на одного пользователя до 500%, при этом пользователи проводят на этих веб-сайтах на 441% больше времени по сравнению с теми, у кого нет.

Штефан Хаусвиснер, генеральный директор и соучредитель Reactive Reality, сказал: «Мы очень рады возможности объявить сегодня об официальном запуске нашего приложения PICTOFiT Shopping на мобильных устройствах и в Интернете. Мы знаем, что глобальная пандемия значительно ускорила рынок розничной торговли модной одеждой, и мы хотим помочь предприятиям розничной торговли идти в ногу с потребностями потребителей, которые ищут новые интересные способы делать покупки в Интернете.

«Понятно, что некоторые потребители все еще могут чувствовать себя недостаточно уверенно или еще не иметь возможности посещать физические магазины, поэтому наша технология, которую можно интегрировать в любой интернет-магазин или приложение для покупок, предлагает идеальное решение для обеих сторон.

«PITCTOFiT Shopping революционизирует способ взаимодействия потребителей с интернет-магазинами, и мы рады видеть, что еще больше розничных продавцов будут внедрять наше решение с белой этикеткой».

Как добиться идеальной посадки при покупке одежды в Интернете

Как ленивый домосед, я покупаю в Интернете почти все, кроме одежды. Называйте меня старомодным, но я предпочитаю пойти в торговый центр, примерить несколько размеров и посетить несколько магазинов, чтобы найти идеальный вариант.

Но в разгар пандемии все не так просто. Некоторые штаты, такие как Калифорния и Флорида, страдают от сильного всплеска инфекции, и власти просят людей оставаться дома. И даже в тех местах, где магазины вновь открываются из-за низкого уровня заражения, есть много людей, которые все еще чувствуют себя некомфортно, выходя из-за чего-то несущественного, например, за покупками одежды.

Если это ваш случай, и вам просто нужно надеть что-то другое, кроме этих серых спортивных штанов, вам придется рискнуть в Интернете.

Измерьте себя и посмотрите таблицы размеров

Возможно, вы знаете, что обычно носите большую, но большая в одном магазине не то же самое, что большая в другом. Знание ваших точных размеров — это первый шаг к поиску подходящего варианта в Интернете, поэтому возьмите гибкую рулетку или кусок веревки и запишите их.

Я мог бы подробно описать, как проводить каждое измерение здесь, но лучше всего увидеть это в виде видео, поэтому посмотрите это видео для мужчин с телом и это видео для мужчин с телом.Не помешает посмотреть несколько видеоруководств, так как в каждом из них есть небольшие советы и рекомендации, которые помогут вам сделать правильный выбор (например, измерить себя с бюстгальтером и без него для более точной подгонки).

Затем, совершая покупки на сайте, поищите таблицу размеров бренда, чтобы понять, в чем вы заключаете. Вы можете найти ссылку на таблицу размеров на странице для данного товара или найти ее в нижнем колонтитуле веб-сайта магазина. Теоретически он позволит вам узнать, являетесь ли вы крупным или сверхбольшим для этого конкретного бренда, и контролировать, какой тип подгонки вы хотите для того или иного предмета одежды.

Но я бы не стал останавливаться на достигнутом.

Найдите наиболее подходящую одежду и сравните ее

Есть много рубашек? Найдите свой любимый (или тот, который вам больше всего подходит) и сделайте его параметром вашего размера. Becca McHaffie / Unsplash

Многие люди скажут вам, что снятие мерок — самый важный совет при совершении покупок в Интернете. Я не согласен — это важный первый шаг, но он пока еще далеко. Некоторые бренды могут не иметь полностью точных таблиц размеров из-за тщеславия, контроля качества ниже номинала и большого различия между каждым из наших тел (не говоря уже о личных предпочтениях).Даже если таблица размеров точна, она показывает только самое близкое соответствие вашим меркам, а не то, подойдет ли предмет так, как вы хотите. Вместо этого вам будет лучше использовать в качестве эталона какую-нибудь из ваших любимых вещей.

Вы знаете, о чем я говорю: о той футболке, которая идеально вам идет, или об одной паре джинсов, которую вы больше никогда не могли найти. Возьмите свои любимые вещи из шкафа, обратите внимание на бренд, стиль и размер и посмотрите, как он сравнивается с другими брендами.

Есть несколько онлайн-инструментов, которые могут помочь вам в этом начинании, но часто это стартапы, а это значит, что они приходят и уходят, как перышки на ветру.Fitbay, например, был инструментом, который сравнивал одежду разных брендов и использовал ваши измерения, чтобы сопоставить вас с «двойниками», чтобы найти одежду, которая подходит одинаково. Сервис больше не функционирует, но две инфографики, которые все еще можно просмотреть на сайтах Bustle и Lifehacker, могут помочь вам определить, какие бренды подходят вашему типу телосложения на основе исследования Fitbay. Компания ThredUP, занимающаяся продажей подержанных товаров, также представила свои собственные выводы в виде графиков.

True Fit также является умеренно полезным инструментом — это не отдельное приложение, но оно встроено во многие веб-сайты розничных продавцов.Вас простят за то, что вы не заметили ссылку «Найдите свой истинный размер» на страницах с предметами, поскольку она не особо выделяется, но эта услуга позволяет вам увеличить размер некоторых ваших любимых предметов вместе с вашим ростом. , вес и тип телосложения, чтобы узнать, подойдет ли данный предмет. Например, после создания своего профиля он сказал мне, что в этой рубашке будет мой маленький размер, но что он будет чуть свободнее, чем идеально подходит. Хотелось бы, чтобы он был более подробным — это не позволяет вам выбрать стиль ваших любимых вещей, только бренд и размер, — но это шаг в правильном направлении.Найдите его на странице товара для любого продавца, поддерживающего True Fit.

Другие магазины могут поддерживать аналогичные услуги, например Fit Analytics и Virtusize. Если вы можете найти подходящий инструмент на сайте, в котором делаете покупки, попробуйте.

Если вы даже не знаете, с чего начать, SizeCharter — это автономный инструмент, который делает нечто подобное. Подключите ваш любимый бренд или измерьте его, и он вернет список лучших брендов для вашего типа телосложения (отсортированный сверху вниз) с конкретными размерами для каждого из них.Таким образом, вы будете знать, что у вас больше шансов получить восьмерку в Gap, но 10 в Forever 21. (Впрочем, это не учитывает все, так что вам все равно придется примерить одежду). дома.)

Ни один из этих инструментов и приемов не идеален — далеко не так. Но они лучше, чем гадать, основываясь на том, какого размера «большая часть» вашей одежды.

Попробуй немного дополненной реальности

Дополненная реальность — процесс наложения цифровых активов на изображения из реального мира — следующий важный шаг в шоппинге одежды.Хотя он еще не получил широкого распространения, есть несколько приложений, которые позволяют «примерить» одежду с помощью камеры телефона. Вы не обязательно получите представление о том, какой размер вам следует получить, но это все равно поможет вам понять предполагаемую посадку в дизайне и почувствовать, как будут выглядеть цвет и стиль, уменьшая необходимость в досадных возвратах.

Zeekit позволяет просматривать тщательно отобранные коллекции одежды от Adidas, H&M и других брендов и накладывать их на свою фотографию, чтобы увидеть, действительно ли эта желтая толстовка с капюшоном будет хорошо смотреться.(Чем лучше освещение вы можете получить для своей фотографии, тем более реалистичным она будет.) И, эй, даже если у них нет именно того предмета, который вам нужен, у них может быть что-то похожее, что все же лучше чем летать вслепую. Forma — похожее приложение, хотя это скорее «лукбук» в стиле Pinterest — в нем нет популярных брендов и ссылок для покупки, как у Zeekit.

Дополненная реальность немного более распространена в других категориях — Sephora и L’Oreal позволяют вам пробовать оттенки макияжа с помощью фотографии, например, Warby Parker предлагает собственную виртуальную примерку очков, а Amazon позволяет вам ставить виртуальную мебель в вашу комнату. гостиная — но бренды одежды, такие как Gap, уже много лет говорят об этой технологии, и Asos несколько раз тестировала ее в своих виртуальных магазинах.Это только вопрос времени, когда мы увидим, что это станет более распространенным явлением, поэтому, если вы видите, что в ваших любимых приложениях появляется опция «виртуальная примерка», попробуйте. А пока, если вы действительно обдумываете покупку, вы всегда можете вырезать и наклеить одежду на фотографию с помощью бесплатного редактора изображений. (Да, я уже делал это раньше.)

Проверить правила возврата

Ни одна из этих вещей не гарантирует идеальной подгонки каждый раз — они просто увеличивают вероятность. Но как бы вы ни старались, вам все равно может потребоваться вернуть что-то, что вам не подходит — или что вам на самом деле не нравится, — поэтому вам следует проверить эту политику возврата, прежде чем выполнять свой заказ.В частности, проверьте, требует ли продавец оплату обратной доставки или комиссию за возврат товара. Многие розничные продавцы, такие как Amazon, этого не делают, но другие могут. Это не обязательно плохо — это небольшая цена за возможность увеличивать или уменьшать размер при необходимости, особенно с общеизвестно щедрой политикой возврата, такой как в Патагонии.

Аналогичным образом, я бы не стал покупать какие-либо предметы с распродажей «окончательной распродажи», если вы уже не знаете, что бренд, стиль и размер вам подходят. Убедитесь, что компания по-прежнему доступна для обслуживания клиентов в случае необходимости (некоторые call-центры и онлайн-чаты сейчас закрыты) и проверьте обновления компании COVID-19, чтобы увидеть любые временные изменения в их политике возврата — многие из них сейчас шире, чем обычно .

Почему примерка одежды с дополненной реальностью уже почти здесь

Если виртуальная примерка станет более убедительной, это сильно повлияет на конверсию и процент возврата, — говорит Дринкуотер из LCF, отмечая, что исследование Shopify показало, что использование 3D и AR может снизить отдачу на до 40 процентов и увеличить конверсию на 97 процентов. «Улучшения в этой области немедленно повлияют на розничных продавцов», — говорит он.

Разработчики также надеются заработать на метавселенной, в которой люди покупают и носят цифровую одежду.Например, трудно найти товары Трэвиса Скотта в России, где живет Водолазов из Clo-Z, говорит он, поэтому художники и бренды могут продавать цифровые версии продуктов, которые легче пересекают международные границы. Концерт Трэвиса Скотта в Fortnite уже побил все рекорды — и продавались товары. Водолазов уже успешно сотрудничал с известными российскими рэп-исполнителями.

На прошлой неделе генеральный директор Facebook Марк Цукерберг сказал техническому журналисту Кейси Ньютону, что он надеется, что миллионы людей в конечном итоге будут создавать виртуальную одежду и другой контент для метавселенной: «Я просто думаю, что это будет огромная экономика, и, честно говоря, я думаю, что это должно существовать.Это должен быть прилив, который поднимет множество лодок ».

DressX входит в число тех, кто продает одежду, которая в конечном итоге разработана так, чтобы быть совместимой «в разных онлайн-вселенных», — говорит Моденова. Инвестор DressX и член правления Лесли Голдман, которая является генеральным партнером и соучредителем The Artemis Fund, говорит, что она тестировала различные рабочие куртки от DressX для хедшотов и планирует поэкспериментировать с цифровой одеждой, которую можно носить на Zoom, и, возможно, даже цифровое свадебное платье.«DressX движется туда, куда идет шайба», — говорит Голдман. «Я считаю, что в виртуальном мире есть безграничные возможности для моды».

Помимо этого, существует возможность носить и видеть цифровую одежду через очки AR, которые разрабатывают Snapchat, Facebook, Apple и другие. «В течение некоторого времени было ясно, что цифровые продукты станут важным источником доходов для всех розничных торговцев модной одеждой», — говорит Дринкуотер. «Rtfkt, The Fabricant, The Dematerialized, DressX и другие демонстрируют, что возможность существует сегодня, но рынок действительно взорвется, когда технология выйдет на массовый рынок через новое поколение носимых устройств.”

Проблема времени

Большинство примеров примерки одежды AR на сегодняшний день — это пухлые куртки, аморфные формы или жесткие конструкции, которые легче разместить на теле, чтобы они выглядели реалистично. Облегающая одежда, которая соответствует бесчисленным формам тела и подчиняется законам физики, все еще на горизонте.