大多数人只会穿衣橱里估计 20% 的衣服，但剩下的并非毫无用处。它们是尚未释放的潜力：有些搭配始终凑不到一起，因为要记住自己拥有什么已经不容易，更别说想象它们如何搭配了。
AI 时尚应用 Alta Daily 正是基于这一洞察打造的。Alta Daily 应用于 2025 年推出，用户可以拍摄并数字化自己的整个衣橱。通过自然语言提示，应用会从用户的数字衣橱中挑选，为任何场合推荐合适的搭配，并在用户专属的 Alta 虚拟形象上展示穿着效果。它还会记录用户每天的穿着，让人轻松避免重复穿搭。
Alta 工程负责人 Joon Kim 的虚拟形象上一个月的穿搭，由 SAM 3 完成分割。
Alta 的核心是 Meta 的 Segment Anything Model（SAM），它已被用于分割并数字化数百万套穿搭。从一开始，Alta Daily 创始人兼 CEO Jenny Wang 就希望打造一款拥有“干净美感”的应用，把用户拥有的单品像时尚杂志页面那样陈列出来。这意味着要去除每张用户上传图片的背景，而这项任务被证明是一个相当大的技术难关。
“我们调研了不同的分割模型，”Wang 说。“时尚领域的图像数据集尤其复杂，原因在于用户上传的内容参差不齐。比如，白色墙面前的一双白色运动鞋，或者在昏暗室内光线下摊在皱巴巴蓝色毯子上的一件蓝色毛衣，这些都很难分割。”
团队还需要应对其他具有挑战性的场景。合适的模型必须能捕捉珠宝的精细细节，并确保反光表面不会改变真实颜色，还要能绕开纤细的衣架和人体模特进行分割。
Alta 团队在从太阳镜到鞋子等八个商品类别上测试了多种分割模型，发现 Meta 的 Segment Anything Model 始终能给出最好的结果。SAM 能处理各式各样的图像，从镜子自拍到平铺在地毯上的单品，这是它成功的关键因素之一。
此图展示了 SAM 1 与 SAM 3 之间的改进。
“如果我们知道上传的每张图片都是精美的模特照，分割就会容易得多，但由于用户上传内容的特点，我们需要尽可能好的分割效果，”Wang 说。“SAM 3 让我们得以打造出干净、编辑风格的界面，使数字化搭配成为一种流畅而愉悦的体验。”
除了出色的性能，SAM 还对公司的成本产生了重大影响。Wang 记得，她最初调研的外部分割 API 的价格让她“震惊”，每张图片要花几美分。
“考虑到用户每秒钟要上传多少图片，这笔费用累积得非常快，”她说。“作为早期公司，你既要专注于最佳体验，也要留意成本。你得做出人们喜爱的产品，但也要清楚自己的资金不是无限的。”
借助 SAM，Alta 团队已处理了超过 2000 万张图片，而没有产生高昂的成本，从而能够专注于为用户打造尽可能好的产品。这款应用已在全球拥有一批追随者，在美国、法国、德国、墨西哥和荷兰都有稳固的用户群。
未来，Alta 团队希望新的 AI 研究能帮助他们打造更具沉浸感的体验。团队已经在试验 Meta 的 SAM 3D 模型，这可能为用户与自己的 Alta 数字虚拟形象互动开辟新的方式。
“我们什么都会试，”Wang 说。“我们喜欢尝试新模型。我们拥有庞大的时尚领域专属数据集，并且一直在不同模型之间运行评测。”
借助 AI 以及 SAM 这样的开源模型，Alta 正在帮助人们表达个人风格，并充分利用自己的衣橱。正如 Wang 所说：“有了 AI，我们终于可以打造下一代购物和搭配体验。”
下载 Alta Daily
进一步了解 SAM 3