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

Уявіть ранкову сцену: ви відкриваєте шафу, дивитесь на десятки речей — і знову ловите себе на думці, що вдягнути нічого. Хоча насправді гардероб повний. Просто більшість людей роками носять одні й ті самі поєднання.

Українські розробники вирішили перекласти цю задачу на штучний інтелект. Вони створили застосунок smart.outfit.ai — «кишенькового стиліста», який аналізує речі у гардеробі, пропонує нові аутфіти та допомагає комбінувати одяг просто у смартфоні.

dev.ua поспілкувався із засновником стартапу Дмитром Балюком та аналітикинею Катериною Кравцовою про те, як працює їхній AI, чому для навчання моделей потрібні сотні гігабайтів зображень одягу, скільки коштувала розробка продукту та чому команда не планує залучати венчурні інвестиції.

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 гардеробу» — 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 у 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 безкоштовного 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.