服裝設計師傅子菁打造3D數位櫥窗
服裝設計師傅子菁打造3D數位櫥窗
2010.01.27 | 技能

走過台北南京西路上的一間服飾店,透明櫥窗不見塑膠製的人體模特兒,取而代之的是偌大的投影畫面。在這八十二吋大小的畫面上,展示著一個虛擬的立體模特 兒,還有店內所有的衣服和配件。舉起手來碰碰畫面中的衣服,模特兒立刻變裝,手指左右滑動,模特兒的身體也跟著三百六十度旋轉,清楚呈現衣服穿在身上的每 一個角度。

這就是知名服裝設計師傅子菁,與米渥科技一同攜手打造的數位櫥窗軟體。

就像小時候玩的紙娃娃遊戲,只不過現在 變成數位觸控版本。只要用手點選螢幕上任何一件服飾,模特兒便會自動換裝,一旁還會出現這件衣服的手稿或說明,讓消費者在感受搭配的樂趣之餘,更能明白設 計師的設計理念。這套軟體還內建派對、上班、尾牙等六種穿衣情境,讓衣服搭配環境,預覽服飾效果。

其實數位換衣的概念,幾年前在國外就曾出現過,只是大多採取3D建模的方式製作。但3D建模成本高昂,一件衣服就要價一萬多元,因此幾乎只有知名品牌才負擔得起,但也難以長期採用。沒想到一位科技人和服裝設計師理性與感性的相遇,竟意外造就台灣第一套數位櫥窗軟體。

用拍攝取代3D建模
這 套耗資兩千萬元的軟體,構想來自於米渥科技的創辦人陳顥仁。為了解決3D建模成本昂貴的問題,米渥想出了以棚拍衣服的方式,抓取各種不同的拍攝角度,再由 電腦組合成衣服的立體面貌。藉由拍攝方式,米渥大幅降低製作成本,目前一件數位衣服的製作費用只要九百元,大大增加服裝品牌採用的機會。

至 於如何才能精準拍攝出服裝的材質或色澤,則交由傅子菁旗下的三位設計師負責。設計師先在人型立台上將衣服整理好,之後才進行拍攝。一件衣服從拍攝到3D完 工,只要二十分鐘的時間。「這個軟體非常需要服裝產業的know-how,例如衣服怎麼抓、光線怎麼打,終究還是要回歸到專業上,」陳顥仁表示。

就 技術層面而言,這套軟體不僅是國內首創,對服裝產業來說,更是大膽的突破。「服裝產業一貫相信的是人對人直接的服務,對數位新科技總有一股莫名的抗拒,」 傅子菁表示。但令人意想不到的是,看似走在數位潮流之上的她,其實卻從來不碰數位科技,唯一會使用的數位產品就只有手機。

「我還記得第一次去傅姐的辦公室時,發現怎麼到處都有電腦,只有那個位子沒有電腦,」陳顥仁笑著說。這樣一個跟數位科技絕緣的人,又身處保守的服裝產業裡,竟然成為台灣第一個率先使用數位櫥窗的人。

「用手(指觸控)還是手工的嘛,OK的!」傅子菁笑著說。其實早在幾年前,傅子菁就曾看過國外應用,她也好奇成效如何,因此當陳顥仁提出類似構想時,就激起她一同合作的意願。

不 過,在遇到傅子菁之前,這套軟體曾面臨腰斬的命運。數位換衣的構想其實來自陳顥仁在研究所時參加的創業競賽,當時還在一次大型的全國競賽中拿下第三名。畢 業後,他與隊友共同成立米渥,一開始以電子商務平台出發,並積極走訪各大少女服飾品牌,在四個月內就拜訪了五十家,希望他們能將衣服數位化,放在米渥的平 台上,消費者換穿後,便可直接點選購買連結。

虛實結合的行銷模式
「我們想透過3D、試穿,把買衣服這件事變得更有趣,但 從有趣到消費還有一段距離,」陳顥仁自評。在四、五年前網路頻寬仍不足夠,一件數位衣服要花上一段時間才能呈現在網頁上,加上一件品牌衣服動輒一、兩千元 的高價位,也讓網購消費者望之卻步,最後網站撐了一年還是關站。正想放棄之際,卻在一次因緣際會下認識了傅子菁,這才又激起了陳顥仁將這套軟體從虛擬網路 轉到實體門市的構想。

但沒想到跟實體的結合,卻又是另一個挑戰的開始,為了讓數位科技可以切入服裝產業既有的流程與習慣中,陳顥仁與傅子菁花了長達兩年的時間磨合。「這才知道過去是不可能成功的,因為只是用自己的方式去思考服裝產業的需要,」陳顥仁表示。

舉例來說,在服裝分類上,以前陳顥仁只知道褲子和裙子是穿在下半身,卻從來沒聽過「內搭」這個字眼,因此光是服裝分類來回就改了十次。

這 套軟體在二○○九年十一月首度在傅子菁的服飾店裡發表,至今已看見初步成效。有趣又醒目的觸控介面,本身就是吸引客人的行銷手法,讓不少經過的路人停下腳 步,紛紛嘗試點選,增加試穿意願。軟體記錄點選歷史的功能,也讓門市小姐更清楚客人的喜好,未來服裝廠商更能抓住市場口味,精準生產出消費者需要的商品。 此外,數位工具無上限的容量,讓有限的店面空間能完整呈現每一件服飾,其中也包括隔季商品。

目前這套軟體已有十多家服裝公司詢問,未來米渥還希望利用這個虛擬工具,跟實體的門市小姐做更緊密的結合,讓試穿軟體進一步演化成促進銷售的導購系統。

關鍵字: #3D列印
往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓