基于生成对抗网络的服装设计

设计师倾向于固守特定的思维定势并高度投入于其初始想法中的情感，这常常阻碍他们在设计思维与构思过程中的创新能力。尤其在时尚行业，客户需求的日益多样化、激烈的全球竞争以及不断缩短的上市时间（即“快时尚”）进一步加剧了设计师的这一挑战。深度生成模型的最新进展为通过设计概念的自动生成和/或编辑来克服设计师的认知障碍创造了新的可能。本文探索了生成对抗网络（GAN）在自动进行设计概念属性级编辑方面的能力。具体而言，利用已在人脸属性编辑中证明成功的生成模型——属性 GAN（AttGAN）——对服装的视觉属性进行自动编辑，并在大型时尚数据集上进行了测试。实验支持了关于 GAN 用于设计概念属性级编辑的假设潜力，并强调了未来工作中需解决的若干关键局限与研究问题。