另外，一个有趣的事实是，在中国，女性比男性更有可能在应用程序上花钱，因此许多公司创建了专门针对女性受众的应用程序，原因之一是移动应用程序可以解决女性的问题。比如在日本，在网店选衣服的问题越来越紧迫。错误的选择会导致退货，从而增加物流、包装等成本。买家获得负面体验，而卖家损失利润。
考虑这个问题比较麻烦，卖家尝试通过标准的方法来解决，通过电话电话咨询消费者，评论照片的模型参数等等。一些零售商正在采用可以远程试穿全部服装的技术，但这些技术往往已经过时。
Goodstyle 程序是一个多品牌的虚拟试衣间，其算法是使用神经网络实现的。Goodstyle 应用程序的用户数量每天都在增加App Store 或Play Market。有了这个应用程序，用户不仅可以虚拟试穿，还可以服装组合在一起，创造一个完整的面貌，管理虚拟全部服装。
现阶段，开发人员正在计划优化界面。 不久的将来，用户使用会更方便，人体模型将更逼真，定价更容易理解。 用户还可以按价格范围选择衣服，并找到打折产品等等。
Goodstyle 服务使用神经网络，以便快速处理服装并将其添加到目录中。另一个神经网络正在开发中，它将使应用程序更加个性化。不仅会考虑参数，还会考虑每个特定用户的偏好。 程序会自动计算并推荐图像。 这是一个新的水平，虚拟造型师的水平，当然提出建议的不是人，而是神经网络。
接下来，“我看App”小编再详细解释下：神经网络具体是什么？Goodstyle 的负责人Volha回复小编，GoodStyle App 的开发者使用各种方法来检测衣服。目前，Goodstyle的神经网络模型可以对几十种服装类别进行分类，应用分割掩码并检测几乎每件衣服上的关键点。“我们学习如何将一件衣服从一个图像转移到另一个图像，将其转换为虚拟试穿化身。” Volha如是说。
“我们在研究中使用不同类型的神经网络和库，并根据我们得到的结果选择最好的。为了获得最佳结果，我们尝试一次使用多个网络。无论如何，在我们所有的实验中，我们使用服装图像、形状、纹理、颜色，换句话说，使用图像像素数组。这就是为什么我们的结果是高质量的并且对任何体型都有吸引力。显然，试图解决虚拟试穿的问题我们无法处理人们现有的所有体型。这就是 GoodStyle App 中现在限制体型数量的原因。我们现在正在使用 GAN 进行研究，如果给定的原型不匹配，这将帮助我们的用户体验虚拟尝试使用他们个性化和详细的身体类型。” Volha强调。
这还不是全部。 用户可以使用Goodstyle虚拟试衣间中的图像找到衣服/鞋子。项目合作伙伴是公对公方式在线商店的良好解决方案，则需要单击位于屏幕底部的相机图标，然后从图库中选择一张照片并上传全部服装的图像。 此外，用户还可以在应用程序中收集的图像。
Goodstyle 团队目前专注于对公细分市场创建一个软件开发工具包模块，该软件开发工具包模块将在软件即服务模型上提供。服装零售商将能够在他们的网站上嵌入适当的模块，这将通过在购买前试穿产品来显着改善购物者的用户体验，并且能够通过组合产品来创造一个完整的面貌。随着减少退货数量，企业主将获得增加现金流和减少物流负担，这些或将电子商务提升到一个全新的高度。