大多數人只穿衣櫥中約 20% 的衣服，但其餘的並非毫無用處。它們是尚未開發的潛力：那些從未真正搭配成功的組合，因為記住自己擁有什麼，更不用說想像它們如何搭配，比聽起來要困難得多。AI 時尚應用程式 Alta Daily 正是基於這一洞察而打造。

Alta Daily 應用程式於 2025 年推出，讓使用者能夠拍攝並數位化他們的整個衣櫥。透過自然語言提示詞，該應用程式會從使用者的數位化衣櫥中提取服飾，為任何場合推薦完美的穿搭，並在他們的個人 Alta 虛擬替身上展示效果。它還會追蹤使用者每天的穿著，讓他們輕鬆避免重複穿搭。

Alta 的核心是 Meta 的 Segment Anything Model (SAM)，該模型已被用於分割和數位化數百萬套服裝。從一開始，Alta Daily 的創辦人兼執行長 Jenny Wang 就知道她想打造一款具有「簡潔美學」的應用程式，將人們擁有的服飾像時尚雜誌頁面一樣呈現。

這意味著需要從每個使用者上傳的圖像中去除背景，這項任務被證明是一個重大的技術難題。Wang 表示：「我們當時正在研究不同的分割模型。時尚領域尤其擁有最複雜的圖像資料集之一，特別是因為使用者上傳內容的不一致性。例如，一雙白色運動鞋靠在白牆上，或是一件藍色毛衣散落在皺巴巴的藍色毯子上，且在糟糕的室內照明下，這些都難以分割。」

團隊還必須考慮其他具挑戰性的情境。合適的模型需要捕捉珠寶的精緻細節，並確保任何反光表面不會改變真實顏色。它還需要能夠分割細薄衣架和人體模型周圍的物體。Alta 團隊測試了八個產品類別的各種分割模型，從太陽眼鏡到鞋子，結果發現 Meta Segment Anything Model 始終提供最佳效果。

SAM 能夠處理各種圖像，從鏡子自拍到放在地毯上的物品，一直是其成功的關鍵因素。Wang 說：「如果我們知道每張上傳的圖像都是精美的模特兒照片，分割會容易得多，但由於使用者上傳內容的性質，我們需要最好的分割技術。SAM 3 使我們能夠創建一個簡潔、編輯風格的介面，讓數位造型成為一種流暢愉快的體驗。」

除了卓越的性能，SAM 還對公司產生了顯著的財務影響。Wang 回憶說，她最初探索的外部分割 API 成本讓她「震驚」，每張圖像需要幾美分。她說：「這筆費用累積得非常快，特別是當你想到使用者每秒上傳多少張圖像時。作為一家早期階段的公司，你專注於提供最佳體驗，但也必須意識到成本。

你必須打造一個人們喜愛的產品，但要知道你沒有無限的資金。」透過使用 SAM，Alta 團隊已經能夠處理超過 2000 萬張圖像，而無需承擔高昂的成本，這讓他們能夠專注於為使用者打造最好的產品。該應用程式已經在全球範圍內獲得了廣泛關注，在美國、法國、德國、墨西哥和荷蘭擁有強大的使用者基礎。

未來，Alta 團隊希望新的 AI 研究能幫助他們創造更具沉浸感的體驗。該團隊已經在實驗 Meta 的 SAM 3D 模型，這可能會開啟使用者與其數位 Alta 虛擬替身互動的新方式。Wang 說：「我們嘗試所有東西。我們喜歡實驗新模型。我們擁有龐大的時尚專屬資料集，並且不斷在不同模型之間進行評估。」

在 AI 和像 SAM 這樣的開源模型的幫助下，Alta 正在幫助人們表達他們的個人風格，並充分利用他們的衣櫥。正如 Wang 所說：「有了 AI，我們終於可以打造下一代購物和造型體驗。」