«Коли речей багато, а вдягнути нічого». Українці створили AI-застосунок, який підбирає образи з фото вашого гардероба: як працює smart.outfit.ai

Як з’явилася ідея

Ідея smart.outfit.ai виникла з повсякденного досвіду, а не як технологічний експеримент. «У спілкуванні з різними людьми ми помітили типову проблему: багато жінок не задоволені співвідношенням ціни та якості послуг стилістів, а самостійний підбір одягу часто не дає бажаного результату — ні у варіативності, ні у зручності», — розповідає засновник smart.outfit.ai Дмитро Балюк. 

Так з’явилася ідея створити «кишеньковий менеджер гардероба» — застосунок, у якому користувач може зберігати речі зі своєї шафи та експериментувати з новими комбінаціями одягу за допомогою ШІ.

Засновник і головний інженер smart.outfit.ai — Дмитро Балюк, який має понад 10 років досвіду у розробці програмного забезпечення. До ядра команди також входить Катерина Кравцова, бізнес-аналітикиня та тестувальниця з приблизно восьмирічним досвідом. Додаткові задачі виконують парт-тайм спеціалісти та підрядники — зокрема у фронтенд-розробці, дизайні та маркетингу. Команда фізично працює в Києві.

Основна проблема, яку вирішує продукт, добре знайома багатьом: коли речей у шафі багато, але вдягнути нічого.

«Люди часто використовують одні й ті самі поєднання. Наш застосунок допомагає побачити нові варіанти та комбінації, які раніше могли не спадати на думку», — додає Катерина Кравцова.

Як працює технологія

Розробка MVP, каже Балюк, зайняла приблизно рік part-time роботи. За його команди, у створення продукту вже вкладено щонайменше $30 000 власних коштів. «Значна частина цієї суми — це фактично вкладений час команди: розробка, тестування та бізнес-аналіз», — пояснює Балюк.

В основі smart.outfit.ai лежить комбінація моделей розпізнавання зображень і рекомендаційних систем. Система аналізує фотографії одягу та автоматично визначає ключові характеристики речей — тип, колір та інші параметри, які використовуються для створення аутфітів.

«На різних етапах — від завантаження звичайного фото одягу до генерації аутфітів — виникають різні задачі. Тому ми використовуємо комплексний підхід із кількох моделей», — пояснює Дмитро Балюк.

У продукті поєднуються власні AI-рішення та open-source моделі, інтегровані у внутрішню систему. Сторонні AI-API команда не використовує.

На початку розробки команда створила власну модель розпізнавання одягу, натреновану на відкритих датасетах. Однак згодом виникла проблема якості даних.

«Більшість відкритих fashion-датасетів досить застарілі та мають обмежену різноманітність типів одягу. Через це нам доводилося тестувати різні відкриті моделі або повертатися до власних рішень і доопрацьовувати їх», — каже Балюк.

Дані для навчання AI

Для навчання моделей команда використовує відкриті fashion-датасети. Загальний обсяг даних, за оцінками команди, становить сотні гігабайтів зображень одягу.

«Точну кількість зображень порахувати складно, але загальний обсяг даних — сотні гігабайтів», — пояснює Балюк. При цьому команда не проводила ручну розмітку даних.

Як зазначають розробники, обсяг і якість датасетів безпосередньо впливають на можливості системи. Наприклад, майбутня функція реалістичного відображення тканин і посадки одягу залежатиме від того, які дані про матеріали будуть доступні системі.

Ще одне дизайнерське рішення — команда відмовилася від використання зображень людей. «Ми не хотіли прив’язуватися до гендеру чи типу фігури, тому в застосунку немає фото моделей або інших зображень людей», — пояснює Кравцова.

Бізнес-модель

Застосунок працює за моделлю підписки. Користувачам доступна безплатна базова функціональність, а Pro-версія коштує приблизно $3 на місяць (залежно від регіону).

«Послуги стиліста часто коштують від $200 за обмежену кількість аутфітів. У цьому сенсі застосунок окупається практично одразу після оформлення підписки», — каже Кравцова.

Цікаво, що залучати венчурні інвестиції команда поки не планує.

Користувачі та метрики

Наразі застосунок має приблизно 200 користувачів. Найбільше завантажень — в Україні. Середній показник активності становить 5–10 щоденних користувачів (DAU).

«Інтерес до продукту сильно залежить від сезону, тому показники можуть суттєво коливатися», — пояснює Кравцова.

Основним каналом залучення користувачів наразі є пошук в App Store, а також TikTok та Instagram. Ключовою метрикою команда називає retention користувачів.

Що далі

Ніша AI-рішень для fashion-індустрії вже доволі насичена. Втім у smart.outfit.ai вважають, що можуть конкурувати завдяки простому інтерфейсу та великій кількості безплатного функціоналу.

«Наш AI допомагає не створювати десятки аутфітів вручну, а лише підкоригувати елементи. Це прибирає монотонну частину стилізації», — каже Балюк.

Команда також не боїться конкуренції з боку великих технологічних компаній. «Користувачі завжди знайдуть продукт, який їм підходить, незалежно від того, створений він великою корпорацією чи невеликою командою», — додає Кравцова.

У найближчі роки команда хоче розвивати продукт як інструмент для звичайних користувачів, який допомагає організувати гардероб і швидко підбирати одяг. Серед можливих напрямів розвитку: AR-примірки одягу, інтеграції з маркетплейсами та нові AI-інструменти для стилізації

«Не існує кращого моменту для запуску продукту, ніж зараз. Відкладати створення через те, що ринок конкурентний, — точно не варіант», — підсумовує Балюк. Він додає: днями команда додасть у сервіс українську мову, а протягом кварталу планують зарелізити версію для Android.

Львівський стартап, що створює AI стиліста iLea, запустив кампанію на Kickstarter на $41 000. До кінця кампанії менше доби, і поки що проєкт ніхто не підтримав

По темi

Львівський стартап, що створює AI стиліста iLea, запустив кампанію на Kickstarter на $41 000. До кінця кампанії менше доби, і поки що проєкт ніхто не підтримав

Читайте головні IT-новини країни в нашому Telegram

По темi

Читайте головні IT-новини країни в нашому Telegram