Поделиться
VK и ZeBrains: пользователи сделали 40 000 примерок в виртуальной примерочной — бренды получили 9 млн охватов
За полгода работы виртуальной примерочной, созданной VK совместно с компанией-разработчиком ZeBrains, пользователи «ВКонтакте» совершили более 40 тыс. виртуальных примерок одежды, а бренды получили 8,8 млн органических охватов без рекламных затрат. ИИ-решение ускорило генерацию изображений с виртуальной примеркой в 300 раз — до одной секунды. Об этом CNews сообщили представители ZeBrains.
Виртуальная примерочная — это мини-приложение внутри социальной сети «ВКонтакте», которое позволяет за секунду примерить одежду от российских брендов на себя, использовав или загрузив свою фотографию. Сервис использует технологии компьютерного зрения и генеративные модели, которые подстраивают одежду под фигуру, пропорции и освещение, создавая реалистичный результат.
По прогнозам McKinsey, к 2033 г. мировой рынок технологий для онлайн-шоппинга превысит $39 млрд, а более 73 % руководителей fashion-брендов уже называют генеративный ИИ приоритетом развития.
Быстрый рост интереса к цифровым решениям объясняется тем, что покупатели всё чаще совершают заказы онлайн, но сталкиваются с трудностями при выборе размера и посадки одежды. Сегодня более 40% онлайн-покупок одежды возвращаются.
«Наша задача — сделать процесс примерки в онлайне максимально естественным и понятным. Пользователи могут увидеть, как вещь выглядит именно на них, а бренды получают новый формат взаимодействия с аудиторией», — сказала Диана Таева, руководитель отдела социальной коммерции департамента контентных партнерств VK.
На этом фоне технология виртуальной примерки решает одну из ключевых задач индустрии — делает процесс выбора более точным и визуально достоверным.
Решение построено на архитектуре из девяти микросервисов: orchestrator, preprocessor, human parser, mask generator, latent encoder, diffuser, keypoint detector, prompt embedder и image embedder. В качестве технологического стека использованы React для фронтенда и Python с FastAPI для бэкенда, а коммуникация между сервисами организована через Apache Kafka.
«Среди ключевых вызовов были оптимизация времени генерации изображения с примеркой, а также обеспечение устойчивости к появлению артефактов на изображении — изменению лица, ушей, рук пользователя и других мелких деталей изображения кроме одежды. Мы применили несколько подходов: использовали диффузионные модели на базе Stable Diffusion с дополнительными техниками обучения, включая LoRA-адаптеры, создали собственный сбалансированный датасет для обучения моделей, и реализовали раздельную обработку верхней и нижней части одежды. В результате удалось значительно сократить время генерации и повысить качество результата, что критично для пользовательского опыта», — сказал Степан Игонин, Руководитель ИИ-направления ZeBrains.
Микросервисная архитектура обеспечивает горизонтальное масштабирование и стабильную работу при пиковых нагрузках.
Результаты: 125 тыс. уникальных пользователей; 155 тыс. запусков мини-приложения; 8,8 млн органических охватов; 30+ российских fashion-брендов-партнеров; 300× ускорение генерации изображений.
Среди партнtров — Love Republic, Asia ST 71, You WANNA, Studio 29, OnlyMe, Present & Simple и другие.
Короткая ссылка
