Alta Daily 利用 Meta 的 Segment Anything 重塑数字衣柜

大多数人只穿衣柜里约 20% 的衣服，但其余衣服并非无用——只是难以组合。Alta Daily 正是基于这一洞察而诞生。该应用于 2025 年上线，允许用户拍摄并数字化整个衣柜，然后通过自然语言提示，从个人数字衣橱中推荐适合任何场合的整套穿搭，并展示在用户的 Alta 虚拟形象上。应用还会记录每日穿着，避免重复。

创始人兼 CEO Jenny Wang 希望应用拥有“干净的美学”，像时尚杂志页面一样展示衣物，这意味着必须去除每张上传图片的背景。然而，时尚图片是“最复杂的图像数据集之一”：白色运动鞋在白墙前、蓝色毛衣摊在皱巴巴的蓝色毯子上、室内光线不佳——这些场景让分割变得困难。此外，模型还需捕捉珠宝的精细细节、处理反光表面，并绕过细衣架和人模。

Alta 团队在八个产品类别（从太阳镜到鞋子）中测试了多种分割模型，发现 Meta 的 Segment Anything Model 始终提供最佳结果。SAM 3 尤其能处理从镜子自拍到地毯上平铺物品的各种图像。Wang 表示，如果每张图都是专业模特照，分割会容易得多，但用户上传内容的多样性要求“最好的分割模型”。

成本是另一个关键因素。Wang 最初探索的外部分割 API 每张图片收费数美分，她对此感到“震惊”。对于早期创业公司而言，用户每秒上传大量图片，成本会迅速累积。使用 SAM 后，Alta 已处理超过 2000 万张图片而无需承担高昂费用，从而能将资源集中在产品体验上。

Alta 团队正在实验 Meta 的 SAM 3D 模型，希望解锁用户与数字虚拟形象互动的新方式。Wang 表示：“我们喜欢尝试新模型。我们拥有一个庞大的时尚专用数据集，并不断在模型之间进行评估。” 应用已在美国、法国、德国、墨西哥和荷兰获得全球用户基础。