這樣的“誘惑”也促使柴金祥從學界投身創業。2000年，在微軟亞洲研究院工作的他發表了研究院的第一篇SIGGRAPH（計算機圖形學的頂級會議）論文；之后，他赴美留學獲得卡內基梅隆大學計算機博士學位，并在TAMU獲聘終身教授。而現在，他是虛擬試衣創業公司好買衣的聯合創始人兼CTO。

　　好買衣成立于2013年8月，成立以來，它已經和多家天貓TOP 50大牌女裝開展了合作，為其提供在線虛擬試衣服務；另外，好買衣獨創的免尺測量技術，已經積累了480萬的真實用戶輸入的身材數據；去年，好買衣還入選了雷鋒網（公眾號：雷鋒網）承辦的CCF – GAIR的TOP 25榜單。在6月舉行的亞洲消費電子展（CES Asia）上，好買衣還宣布將與C&A合作，在今年下半年推出人工智能（AI）線下體驗店，建設全渠道解決方案。

　　成立以來，好買衣先后獲得了來自聯想之星和治平資本的天使輪和A輪融資，并在2015年獲得了寬帶資本領投的1500萬美元B輪融資。日前，雷鋒網新智造采訪了柴金祥，了解了好買衣不一樣的虛擬試衣路線。

　　用大數據的方法解決虛擬試衣的問題

　　柴金祥的主要研究領域是人體動畫和動作捕捉，前者研究游戲、電影中和人相關的三維動畫制作，后一個領域則研究對人體動作的實時捕捉，近年來大熱的用Kinect攝像頭捕捉人體姿勢，就是他的方向之一。

　　這些研究方向和虛擬試衣有著密切的聯系，柴金祥告訴雷鋒網新智造，一直以來，都有研究人員和商業公司嘗試虛擬試衣，而從歷史上來看，虛擬試衣主要有兩種技術路線：

　　第一，用傳統的動畫的方式來做；這也是游戲、動畫片里常用的方式，一件衣服，首先由美工手動建模，將衣服的形狀、顏色、紋理做出來，另外，由于這件“衣服”要穿在不同人的身上，還要進行仿真。

　　這是虛擬試衣最經典的做法，但也有很多弊端：首先，效果不夠真實；其次，也是最重要的，這種做法的成本很高，手工建模對美工的要求很高，而且，僅渲染一件衣服可能就需要一周的時間。服裝的換季節奏很快，這種做法根本無法落地。

　　第二，用AR的方式，即將衣服的圖片“貼”在人體的圖片上；圖片能保證衣服的效果更真實，這種做法的成本也更低，但“貼圖”也意味著虛擬試衣的效果大打折扣。

　　有沒有新的方法，能同時彌補兩種傳統方法的不足呢？

　　好買衣的做法是借助計算機圖形學和計算機視覺，后者已經是人工智能的范疇。

　　虛擬試衣涉及對衣服和人體的三維建模：對衣服，好買衣利用計算機圖形學和計算機視覺的方法，先對衣服的各個角度拍照，然后通過算法將其建模出來。柴金祥告訴雷鋒網新智造，目前，衣服的拍攝已經是標準化流程，一套衣服幾分鐘就可以拍完。

　　為了保證試衣效果，對人體進行三維建模同樣重要，現在不少創業公司使用Kinect深度攝像頭捕捉人體姿勢的方案。不過，好買衣使用了不一樣的方案：結合人體身材數據庫中的模型，加上用戶的主動輸入調整，自動生成任意身材的三維模型，這個過程中不使用尺子、相機、深度攝像頭等任何輔助設備。

　　好買衣將這個方案稱為“免尺測量”，柴金祥告訴雷鋒網新智造，為了更好的效果和用戶接受度，好買衣進行了三個階段的嘗試，第一個階段，好買衣推出了一個叫“尺碼相機”的aPP，用戶用手機拍三個不同姿勢的照片，系統就能將人體的三維數據建模出來，但是，因為下載和操作的成本比較高，這個app最終沒能被用戶接受，“100個用戶可能只有1個去下載使用”；隨后，好買衣嘗試了大數據預測的方式，用戶可以輸入身高、體重和三圍，系統集合數據庫中已有的模型進行建模，但在實際過程中發現，有不少女性用戶是不知道自己的三圍的；最后，好買衣才探索出了現在的模式，用戶僅需輸入身高、體重和內衣的罩杯，并配合從十多個身材標簽（tag）中的選擇進行建模，這些標簽諸如“有沒有肚腩”、“肚腩大不大”、“大腿粗不粗”等，幾十秒的時間，系統就能把人的身材模擬出來。

　　另外，好買衣還充分考慮到了C端用戶的使用習慣，允許用戶上傳自己的正面頭像，系統即可自動識別、定位和提取五官，通過三維重建合成技術將用戶真實的五官重建至虛擬三維人臉模型上。用戶還可以個性化定制自己喜歡的發型、發色、臉型、膚色。

　　不管是依靠圖片建模，還是免尺測量，調校算法都是非常重要的工作。柴金祥告訴雷鋒網新智造，從好買衣成立到推出現在的產品，花了兩、三年的時間。2017年3月，天貓開啟的新風尚活動中，好買衣提供的虛擬試衣也成了女裝會場的最大亮點，“和天貓的合作，也意味著我們的效果獲得了認可。”

　　專屬時尚顧問：AI根據身材、相貌推薦合適的衣服

　　現在，在虛擬試衣之外，好買衣還決定做一件更加人工智能的事：做每個人的專屬時尚顧問，即通過用戶的身材和相貌，主動推薦合適的衣服。

　　和虛擬試衣一樣，穿搭推薦涉及衣服和人兩個方面，柴金祥告訴雷鋒網新智造，對前者，好買衣使用了深度學習算法，經過大量由人工標注的數據訓練后，現在，系統已經可以自動給建模好的衣服模型打上各種標簽，如面料、款式、風格、細節等。這種做法可以順利開展，得益于好買衣為衣服建模的標準化流程。建模后結構化的數據，可以直接用于優化深度學習算法。

　　人的因素則設計身材和相貌，雖然是一位純粹的研究人員，柴金祥已經對衣服穿搭有了一套心得，“比如一個人下半身短一些，大腿比較粗，那穿A字裙就比較合適，它的腰線比較高，會顯得腿比較長。穿搭實際上就是揚長避短。”

　　但是對機器算法來說，根據身材和相貌推薦衣服還有很大的難度，其中最大的困難在于，這些“知識”或者說經驗，很少有系統的、成文的體系。

　　好買衣的優勢是已經有了大量的身材和穿搭數據，在天貓app中，好買衣和大量TOP 50的女裝品牌達成了合作，提供在線試衣服務。柴金祥告訴雷鋒網新智造，目前，使用這個功能，主動輸入身材數據并進行穿搭體驗的用戶，已經達到了480萬。這對根據身材推薦衣服有很大的幫助。

　　（好買衣合作的部分品牌）

　　人的臉型、相貌同樣對穿搭有講究，不過，這更是一個更難系統化的問題，好買衣計劃的做法是和國內的頂級造型穿搭團隊合作，將他們的經驗變成行之有效的算法。

　　和虛擬試衣相比，時尚顧問還不夠成熟，柴金祥給它打了60分，雖然還要比較長的路要走，但是可以想到，和真正的時尚顧問相比，AI顧問有著難以比擬的優勢，“時尚顧問腦海里不可能有1萬件服裝推薦，我們的系統更powerful。”

　　在未來的市場策略上，好買衣也將從專注虛擬試衣轉變為關注全渠道解決方案，一方面，為線上商店提供虛擬試衣服務；另一方面，和品牌方合作打造線下體驗店，試衣鏡將是一個很好的教育市場的產品，它還可以和手機配合，雙屏互動，通過掃碼的方式，既可以去線下商店直接購買線上試過的衣服，也可以在手機上繼續獲得試衣鏡中的體驗。

　　“線上虛擬試衣，可以幫助品牌方減少退貨，并提高用戶體驗；線下線上聯動，能夠激活品牌用戶的活躍度和會員數。”未來，好買衣還希望接入到服裝產業鏈更深的層次，個性化定制、預售，甚至生產，都可以在虛擬試衣的幫助下變得更科學，“為什么衣服只有4個碼？為什么不能做20個碼，50個碼？”