Dress code | 智慧穿搭 x <友二屆>校園設計大賽

一、摘要

「Dress code智慧穿搭」旨在為16至25歲關注時尚的女性（學生與小資族）提供智能化、個性化的穿搭建議。透過AI技術，解決日常穿搭的困擾，提升用戶的時尚體驗。主要設計理念包括：

1. AI虛擬人物展示：

提供擬人化的虛擬時尚夥伴，讓用戶即時預覽不同服飾的搭配效果，節省試穿時間。

2. AI智慧穿搭建議：

根據用戶的風格和喜好，結合設計師和潮流達人的建議，提供個性化的穿搭靈感。

3. 衣服掃描分類：

協助用戶整理衣櫥，隨時查找每件服飾，避免重複購買，減少不必要的花費。

4. 整合服飾品牌：

連結線上線下賣場，方便用戶輕鬆購買適合的時尚單品，省去跨平台購物的麻煩。

願景、打造「虛擬時尚夥伴」角色IP

• 為虛擬試衣模組創建專屬虛擬角色（如AI穿搭顧問），用戶可自定角色外觀。
• 提供每日穿搭語音提醒與推送，讓角色更具個性化與陪伴感。

 

二、簡介

應用場景：

日常穿搭：

用戶可在日常生活中使用APP獲取穿搭建議，提升自我形象。

特殊場合：

針對約會、派對等特定場合，提供專業的穿搭建議，確保用戶在各種情境中都能展現最佳風采。

購物指南：

在購物時，透過APP了解哪些單品適合自己，避免衝動購物，提升購物效率。

成品說明：

「Dress code智慧穿搭」是一款AI換裝APP，主要功能包括：

1. AI虛擬人物展示：

用戶可創建虛擬時尚夥伴，嘗試各種時尚風格，即時預覽搭配效果。

2. AI智慧穿搭建議：

根據用戶的風格和喜好，提供個性化的穿搭建議，節省思考時間。

3. 衣服掃描分類：

協助用戶掃描並分類衣物，方便管理衣櫥，避免重複購買。

4. 整合服飾品牌：

連結各大服飾品牌，提供購物平台，方便用戶選購適合的時尚單品。

透過這些功能，APP致力於解決用戶的穿搭困擾，提升時尚品味，打造專屬個人形象。

三、研製方法與成品規格說明

（一）整體架構設計

1. APP 分層架構

本系統採用MVVM（Model-View-ViewModel）架構，提升系統的可擴展性與維護性。

• Model 層：負責數據處理，包括本地資料庫與後端 API 數據交互。
• 技術選型：Room Database（本地資料庫）、Retrofit（後端數據交互）。
• View 層：提供 UI 介面，直接與使用者互動。
• 技術選型：XML 設計 UI 介面或 Jetpack Compose 實現動態介面。
• ViewModel 層：處理業務邏輯，負責數據管理並通知 View 更新。
• 技術選型：Jetpack ViewModel。

（二）功能模組設計

1. 模組 1：AI虛擬人物展示

• 需求：提供虛擬試衣間功能，讓用戶模擬服飾穿搭效果。
• 技術選型：Unity + AR Foundation 插件，或 Android OpenGL ES API 處理 3D 圖像。
• 數據流：
1. 加載使用者的身形參數或虛擬人物模型。
2. 渲染服裝效果。
3. 提供調整與試穿功能。
• 支持格式：FBX、OBJ（從 Clo3D 或 Marvelous Designer 生成）。

2. 模組 2：AI智慧穿搭建議

• 需求：根據個人喜好、場合推薦服飾搭配方案。
• 技術選型：TensorFlow Lite（AI 模型）、Firebase ML Kit（顏色與風格分析）。
• 數據流：
1. 用戶輸入場合、風格等需求。
2. 模型計算推薦結果。
3. 返回推薦方案與購物連結。

3. 模組 3：衣服掃描分類

• 需求：透過影像辨識技術掃描衣物標籤，實現自動分類。
• 技術選型：Google ML Kit（Barcode Scanning API 或 Image Labeling API）。
• 數據流：
1. 用戶掃描衣物標籤。
2. 辨識品牌、類型、顏色等資訊。
3. 儲存至本地資料庫，展示分類結果。

4. 模組 4：整合服飾品牌

• 需求：提供線上購物功能，整合品牌服飾資訊。
• 技術選型：Retrofit（API 數據交互）、OAuth2.0（用戶認證）。
• 數據流：
1. 從品牌 API 拉取數據。
2. 展示商品詳情。
3. 導流至品牌購物頁或直接完成購買。

（三）系統流程設計

1. 啟動流程

1. 用戶登錄/註冊：使用 Firebase Authentication（支援 Google、Facebook 登入）。
2. 主畫面導航：使用 Jetpack Navigation 組件，實現模組化頁面跳轉。

2. 主功能流程

• 虛擬試衣間：選擇虛擬人物 → 上傳身形數據 → 套用服飾 → 查看試穿效果。
• 穿搭建議：輸入需求 → AI 模型推薦 → 獲取清單 → 查看詳情或加入衣櫃。
• 衣櫃管理：掃描衣物 → 自動分類 → 展示衣櫃狀態 → 編輯標註。
• 購物模組：點擊推薦商品 → 導入購物頁面 → 完成交易。

3. 軟體流程圖

以下為 APP 系統主要流程圖：

（四）資料庫設計

1. 本地資料庫（Room Database）

• 用戶表 (User Table)
• user_id：唯一ID
• name：用戶名稱
• preferences：穿搭偏好（風格、顏色等）
• 衣物表 (Clothing Table)
• item_id：唯一ID
• category：衣物分類
• brand：品牌名稱
• color：顏色
• photo_uri：照片地址

2. 雲端資料庫（Firebase Firestore）

• 儲存穿搭推薦與購物記錄。
• 提供數據同步功能，便於跨設備存取。

（五）UI/UX 設計建議

1. 核心頁面設計

• 首頁：四大功能快捷入口。
• 虛擬試衣間：展示虛擬人物、服裝選擇介面，支援視角切換與細節調整。
• 衣櫃管理：以卡片式或網格式呈現分類衣物，支援細項查看。
• 穿搭推薦：提供推薦清單，支援圖片化展示與購物連結。

2. 使用者體驗優化

• 提供個性化推薦功能。
• 支援語音輸入及智能提示。
• 減少頁面跳轉，提升用戶流暢體驗。

（六）成品規格說明

• 平台：Android（支援 Android 8.0 以上版本）。
• 開發工具：Android Studio、Unity。
• 數據存儲：Room Database（本地），Firebase Firestore（雲端）。
• 核心技術：MVVM 架構、TensorFlow Lite、Firebase Authentication、ML Kit。
• 互動介面：XML/Jetpack Compose + Unity AR Foundation。
• 安全性：OAuth2.0 驗證、HTTPS 數據加密。

四、預期計畫

短期計畫（0-6個月）

1. MVP（最小可行產品）開發
• 完成核心功能開發：AI虛擬人物展示、智慧穿搭建議、衣物掃描分類模組。
• 基礎UI/UX設計，推出測試版本，收集早期用戶回饋。
2. 品牌整合與合作
• 尋找3-5個線上或實體服飾品牌進行API對接，提供初步購物支持。
3. 推廣測試版
• 針對16-25歲女性設計邀請測試活動，建立早期用戶社群。

中期計畫（6-18個月）

1. 功能完善
• 增強AI模型的穿搭建議精準度，提供更多元場合的穿搭靈感。
• 加入語音輸入、個性化推薦等功能，提升用戶體驗。
• 優化衣物掃描分類功能，支援更多品牌與標籤格式。
2. 市場拓展
• 舉辦穿搭挑戰活動，吸引用戶分享虛擬試衣效果。

• 社群互動：加入用戶穿搭分享模組，讓用戶互相點評、學習時尚靈感。

• 增加品牌合作數量，達成10-15個主要服飾品牌的深度整合。

1. 資料分析與用戶洞察
• 分析用戶穿搭偏好，建立潮流數據庫，為未來商業模式提供支援。
• AI根據用戶偏好推薦專屬品牌或產品，增強品牌導購效率。

長期計畫（18-36個月）

1. 國際化與平台擴展
• 為服飾品牌提供潮流數據分析服務，幫助品牌預測市場趨勢。
• 支援多語言版本，進軍亞洲（如日本、韓國）及歐美市場。
• 推出iOS版本與Web端版本，覆蓋更多用戶群體。
2. 多元營收模式
• 開放品牌廣告合作、會員訂閱服務（如專屬穿搭顧問）。
• 整合社群電商功能，推動用戶社群的互動與消費。