Google ajoute son intelligence artificielle Bard pour faire ses achats autrement

Actuellement, les achats en ligne sont devenus l'option privilégiée pour éviter de quitter la maison. Cependant, lorsqu'il s'agit d'acheter des vêtements , la perception change.

Malgré le fait que la plupart des marques ont développé divers outils pour fournir à l'acheteur des informations détaillées sur les mesures exactes de chaque vêtement, ce processus est toujours perçu comme risqué.

Par conséquent, Google a annoncé en exclusivité pour Infobae, l'incorporation de deux nouvelles fonctionnalités qui offrent une expérience de test unique à ses utilisateurs.

Le premier est l'essayage virtuel de vêtements , qui utilise l'intelligence artificielle générative pour afficher des vêtements sur une grande variété de modèles réels. La deuxième fonctionnalité est constituée de nouveaux filtres qui aident les utilisateurs à trouver exactement ce qu'ils recherchent.

Cette initiative vise à répondre au besoin des acheteurs d'avoir une expérience plus diversifiée et plus sûre, puisque selon les statistiques, 42% ne se sentent pas représentés par les images des modèles en magasin. De plus, 59 % se sentent insatisfaits lorsque les vêtements achetés en ligne ne correspondent pas à leurs attentes visuelles.

À l'aide d'un modèle d'IA génératif, l'outil simule la façon dont les vêtements s'ajusteraient, se plieraient, s'ajusteraient et créeraient des plis et des ombres sur de vrais modèles dans différentes poses.

Ces modèles représentent une large gamme de tailles, du XXS au 4XL, et incluent également différents tons de peau, morphologies, ethnies et types de cheveux, en utilisant l'échelle des tons de peau de moine comme guide.

Pour l'instant, la fonctionnalité est activée pour les États-Unis. Les acheteurs ont la possibilité d'affiner les produits à l'aide d'essais virtuels de vêtements sur des hauts pour femmes de marques disponibles sur Google Shopping Graph , qui comprend des marques telles que Anthropologie, LOFT, H&M et Everlane.

Au fil du temps, cet outil devrait devenir encore plus précis et s'étendre pour inclure plus de marques.

À l'aide de techniques d'apprentissage automatique et d'algorithmes de correspondance visuelle avancés, les acheteurs peuvent désormais ajuster les produits en fonction de leurs préférences de couleur, de style et de motif.

Cette fonctionnalité est disponible directement dans les listes de produits , en commençant par les hauts, et permet aux acheteurs d'accéder à une grande variété d'options de boutique en ligne, plutôt que d'être limités à un seul détaillant comme ils le sont dans les magasins physiques. .

Le nouveau modèle d'IA génère des images de haute qualité qui capturent les détails subtils mais importants de la façon dont les vêtements sont drapés, pliés, collés, étirés et froissés. Contrairement aux techniques précédentes, qui consistaient simplement à déformer et coller des vêtements sur des photos existantes, ce nouveau modèle génère chaque pixel du vêtement à partir de zéro, ce qui donne des images réalistes de haute qualité.

De plus, l'approche utilisée est basée sur la diffusion, ce qui garantit que le vêtement s'adapte de manière réaliste au corps et ne présente pas de défauts visuels tels que des plis incorrects. Il combine également la diffusion basée sur l'image et l'attention croisée, aboutissant au nouveau modèle d'IA pour les essayages virtuels de vêtements .

Comment ça fonctionne:

S'inspirant des images, la diffusion s'applique dans le cadre de l' essayage virtuel de vêtements (VTO), mais avec une variante. Au lieu d'utiliser du texte comme entrée lors de la diffusion, une paire d'images est utilisée : celle d'un vêtement et celle d'une personne.

Chaque image est envoyée à son propre réseau de neurones (un réseau en U) et les informations sont partagées entre eux via un processus appelé " attention croisée" pour produire le résultat final : une image photoréaliste de la personne portant le vêtement. Cette combinaison de diffusion basée sur l'image et d'attention croisée est le nouveau modèle d'IA pour VTO.