Το deep learning, το παρακλάδι αυτό της τεχνητής νοημοσύνης, είναι κάτι που έχει βρει εφαρμογή σε άπειρες πτυχές της κοινωνίας μας. Το εντυπωσιακό, ίσως και τρομακτικό κάποιες φορές, είναι το πόσο εύκολα τα συστήματα deep learning μπορούν να εκμαιεύσουν πληροφορίες από πηγές δεδομένων οι οποίες, για το ανθρώπινο μυαλό, είναι χαοτικές. Μια νέα εφαρμογή αυτής της τεχνολογίας είναι και το DeepDraper!
Το DeepDraper κάνει κάτι το οποίο αποτελεί πονοκέφαλο για δισεκατομμύρια ανθρώπους κάθε μέρα: το να οπτικοποιεί το πώς θα δείχνει ένα ρούχο πάνω μας, αξιοποιώντας δεδομένα από κάμερες. Για την ακρίβεια, μπορεί και προβλέπει το πώς θα κάθεται πάνω στο σώμα του οποιουδήποτε ανθρώπου, έχοντας ως βάση τα χαρακτηριστικά του ίδιου του ρούχου καθώς και μια φωτογραφία του ανθρώπου!
Η τεχνολογία αυτή έχει τεράστιο ενδιαφέρον σε πολλούς κλάδους, όπως το on-line shopping, το gaming αλλά και ο κινηματογράφος. Η τεχνολογία μας έρχεται από την TCS Research της Ινδίας, ενώ παρουσιάστηκε στο ICCV Workshop, ένα συνέδριο για τεχνολογίες computer vision, και ξεπερνά σε ικανότητες όλες τις αντίστοιχες τεχνολογίες.
Ένας εκ των ερευνητών, ο Brojeshwar Bhowmick, ανέφερε για το σύστημα: «Το on-line shopping δίνει στους καταναλωτές την δυνατότητα να δουν και να αγοράσουν από ένα τεράστιο εύρος προϊόντων, χωρίς να πηγαίνουν στα καταστήματα. Έχει, όμως, έναν τεράστιο περιορισμό: ο καταναλωτής δε μπορεί να δοκιμάσει τα ρούχα που αγοράζει, κάτι που μεταφράζεται σε μεγάλο ποσοστό επιστροφών […]. Η ιδέα της εικονικής δοκιμής έχει στόχο το να αφαιρέσει αυτόν τον περιορισμό».
Το εντυπωσιακό στην τεχνολογία του DeepDraper είναι το ότι μπορεί να εκμαιεύει δεδομένα από ένα βίντεο ή μια απλή φωτογραφία κάποιου ανθρώπου και, μέσω αυτού, να κατασκευάζει ένα τρισδιάστατο μοντέλο του σώματός του, πάνω στο οποίο εφαρμόζει το οποιοδήποτε ρούχο. Αρχικά, αναλύει την εικόνα ή το βίντεο του πελάτη και από αυτό μπορεί να εκτιμήσει το σχήμα του σώματος, την στάση του σώματος, αλλά και τις αναλογίες. Διαθέτει, μάλιστα, και δυνατότητα ρύθμισης του αποτελέσματος σε πάχος και σε ύψος. Το σύστημα ξεπερνά σε απόδοση αντίστοιχα ανταγωνιστικά συστήματα, όπως το TailerNet, και μάλιστα το καταφέρνει ακόμη και σε συσκευές οι οποίες διαθέτουν πολύ λίγη επεξεργαστική ισχύ, όσο και μνήμη. Επ’ αυτού ο Bhowmick αναφέρει «…το DeepDraper είναι σχεδόν 23 φορές πιο γρήγορο και 10 φορές μικρότερο σε μνήμη από τον πιο κοντινό του ανταγωνιστή, το TailorNet».
Το επόμενο βήμα στην έρευνα θα είναι το να επεκτείνουν τις δυνατότητες του DeepDraper ώστε να μπορεί να αντιμετωπίσει και άλλων ειδών ρούχα, ακόμη και φαρδιά ρούχα ή ενδύματα με πολλά στρώματα ή ακόμη και συνδυασμούς ρούχων, όπως ένα t-shirt σε συνδυασμό με κάποιο μπουφάν.
Μελλοντικά, η τεχνολογία αυτή θα μπορούσε να δώσει τη δυνατότητα σε πελάτες να δουν το πώς ένα οποιοδήποτε ρούχο θα έδειχνε πάνω τους, πριν το αγοράσουν, ακόμη και μέσα από το κινητό τους τηλέφωνο, μειώνοντας κατά πολύ τις επιστροφές ρούχων, αλλά και στον χώρο του gaming, επιτρέποντας στους developers να σχεδιάσουν ρούχα και να ντύσουν τους χαρακτήρες παιχνιδιών με πολύ μεγαλύτερη ρεαλιστικότητα!