def ai_fashion_design ( ):
项目介绍
我搜集了当季一线大牌最新服装发布会的照片，用人工智能技术学习其中的服装设计风格，建立一套自动给服装线稿添加配色、材质纹理的算法，可以在几秒之内生成任意数量的颜色材质搭配方案，帮助服装设计师更好更快的抓住潮流趋势
效果演示
先放个视频看下人工智能如何来生成无限量的服装设计方案的。录屏自ubuntu16.04系统，没声音。视频大致意思是，设计师画了一堆服装线稿图（视频画面左侧的图），然后AI程序会根据这些线稿图自动配色（包括材质），可以手动指定每张线稿出几套方案（可以任意数量，视频中设置数量为6，即一张线稿出6个方案）。
图片示意如下
实现方法
那么这是如何实现的呢？其实很简单，利用的是英伟达出品的“MUNIT: Multimodal UNsupervised Image-to-image Translation”算法，这个算法很神奇，可以看成是cyclegan的进化版，我之前给汽车线稿上色的案例就是用cyclegan做的，但cyclegan对于每个输入的线稿只能生成一个上色结果，而MUNIT则会产生一堆可能的上色结果。原因在于MUNIT分离了图片内容编码（服装的款式）与图片风格编码（服装的颜色材质纹理），所以可以用同一个内容编码配上不同的风格编码，生成无数套方案。
听到这里，设计师朋友们内心OS：简单个屁！根本听不懂你在说什么好吗？
既然算法已经有开源现成的了，那么问题就只剩两个了，这个服装图片和服装线稿从哪里来？首先来讲服装图片的来源：从全球最大的流行趋势预测网站WGSN上的图库上爬来的，里面有个分类齐全的图片库，内有几乎所有大牌服装的所有发布会上的照片，非常适合作为图片训练素材。由于爬虫多多少少有些不道德，所以不讲具体做法了，反正我也不会，花钱找人爬的（滑稽）。
爬到的图片内容种类繁多，有的全身照，有的半身照，有鞋类特写，有妆容特写，参差不齐，如下图所示。
适合拿来用的
只有脸，没有服装
足控福利
那显然需要做下数据清洗工作，挑出其中T台走秀的全身照，其他的不要。思路其实也很简单，对图片做人脸检测，然后挑选出只有一个人脸的图，并按人脸和全图的比例大小进行排序，再来点手工筛选，就获得了一批可以用的图片，如下图所示：
文件名开头数字代表人脸占全图比例
但这些图还不能直接拿来训练，因为图片中背景变化太大，会影响训练效果，需要把背景去掉。这似乎是件很困难的事，几万张图片难道要一张一张去扣吗？不用，Adobe爸爸在photoshop 2018 cc 19.1.0版本更新中，增添了一键智能抠出图片主体的功能，位于菜单栏选择-主体，然后录制个批处理动作，就可以喝茶看戏了。当然你也可以去找开源的主体检测的代码，自己写个脚本来处理，但本着能用就行的程序员精神，我选择PS批处理。
用PS批处理遇到个小BUG，每张图片都要手动按下回车，但机智的我完美解决了这个小BUG，如下面视频所示。（视频中处理的是给汽车图片批量抠图，在上上上个项目中拍的视频）
完成后得到白色背景，只剩人物的干净图片
得到服装实际图片后，按照直接在之前文章[设计师的AI自学之路] 设计线稿AI上色中介绍的提取线稿的方法，提取出对应的线稿图片，最后就把真人图片和线稿图片（其实这里疏忽了一步，忘记把图片处理成正方形了，导致最后训练得到的人全变矮了）按MUNIT代码的官方文档，放到指定目录，启动程序输入相应参数，就开始训练神经网络了。训练完成后就得到了文章开头视频中的效果。
return
给设计师无尽的灵感，用AI算法帮你捕捉最新流行趋势，避免熬夜出方案掉头发还被甲方吐槽设计不够fashion。
欢迎在MixLab讨论相关内容、技术实现，
MixLab是一所面向未来的实验室
