大多数人衣柜里的衣服，他们只穿了估计 20%，但剩下的并非无用。它们是尚未开发的潜力：那些从未真正搭配在一起的组合，因为记住自己拥有什么，更不用说想象它们如何搭配在一起，比听起来要难得多。
AI 时尚应用 Alta Daily 正是基于这一洞察而构建的。Alta Daily 应用于 2025 年推出，让用户拍摄并数字化他们的整个衣橱。通过自然语言提示，该应用从个人数字化的衣橱中提取信息，为任何场合推荐完美的穿搭，并在他们的个人 Alta 虚拟形象上展示效果。它还会追踪一个人每天穿什么，从而轻松避免重复穿搭。
Alta 的核心是 Meta 的 Segment Anything Model (SAM)，它已被用于分割和数字化数百万套服装。从一开始，Alta Daily 的创始人兼 CEO Jenny Wang 就知道她想打造一款具有“简洁美学”的应用，将人们拥有的单品像时尚杂志页面那样展示出来。这意味着要从每张用户上传的图片中移除背景，这项任务被证明是一个重大的技术障碍。
“我们当时在研究不同的分割模型，”Wang 说。“时尚领域尤其拥有最复杂的图像数据集之一，特别是因为用户上传内容的不一致性。例如，白色运动鞋靠在白墙上，或者蓝色毛衣摊在皱巴巴的蓝色毯子上，室内光线又差——这很难分割。”
团队还必须考虑其他具有挑战性的场景。正确的模型需要捕捉珠宝的复杂细节，并确保任何反光表面不会改变真实颜色。它还需要能够分割细衣架和人体模特周围的区域。
Alta 团队在八个产品类别（从太阳镜到鞋子）中测试了各种分割模型，并发现 Meta Segment Anything Model 始终提供最佳结果。SAM 处理各种图像的能力，从镜子自拍到放在地毯上的物品，是其成功的关键因素。
“如果我们知道每张上传的图片都是漂亮的模特照，分割会容易得多，但由于用户上传内容的性质，我们需要尽可能最好的分割，”Wang 说。“SAM 3 使我们能够创建一个简洁、编辑风格的界面，让数字造型成为一种无缝且愉快的体验。”
除了卓越的性能，SAM 还对该公司产生了显著的财务影响。Wang 记得她最初探索的外部分割 API 的成本让她“震惊”，每张图片几美分。
“这会以惊人的速度累积，尤其是当你想到用户每秒上传多少图片时，”她说。“作为一家早期公司，你专注于最佳体验，但也要意识到成本。你必须打造人们喜爱的产品，但要知道你没有无限的资金。”
通过使用 SAM，Alta 团队得以处理超过 2000 万张图像，而无需承担高昂的成本，从而能够专注于为用户打造尽可能最好的产品。这款应用已在全球范围内获得关注，在美国、法国、德国、墨西哥和荷兰拥有强大的用户基础。
未来，Alta 团队希望新的 AI 研究能帮助他们创造更加沉浸式的体验。该团队已经在试验 Meta 的 SAM 3D 模型，这可能为用户与其数字 Alta 虚拟形象互动开辟新的方式。
“我们什么都尝试，”Wang 说。“我们喜欢试验新模型。我们拥有一个庞大的时尚专属数据集，并且不断在模型之间进行评估比较。”
在 AI 和 SAM 等开源模型的帮助下，Alta 正在帮助人们表达个人风格，并充分利用他们的衣橱。正如 Wang 所说：“有了 AI，我们终于可以打造下一代的购物和造型体验。”