مولد أزياء المحادثة مدعوم من genAI
أهداف
- مولد أزياء للأزياء مدعوم بالذكاء الاصطناعي: قم بتطوير نظام ذكاء اصطناعي للمحادثة وظيفي وبديهي.
- تكامل بيانات المستخدم: دمج آليات لجمع وتحليل بيانات المستخدم، بما في ذلك سجل الشراء السابق وتفضيلات التصفح.
- توصيات الزي الشخصية: يجب أن يكون المولد قادرًا على فهم تفضيلات الموضة الفريدة للمستخدم.
- تحليل اتجاهات وسائل التواصل الاجتماعي: تنفيذ الميزات التي تسمح للذكاء الاصطناعي بتحليل ودمج اتجاهات الموضة في الوقت الفعلي.
- حلقة ردود الفعل التفاعلية: تمكين المستخدمين من تقديم الملاحظات والتفاعل مع الذكاء الاصطناعي لتحسين توصيات الزي.
- اقتراحات أزياء متعددة الاستخدامات: يجب أن يكون الذكاء الاصطناعي قادرًا على إنشاء توصيات للأزياء لمختلف المناسبات والأنماط والعمر المحدد والإقليمي وملفات تعريف المستخدمين.
حالة الاستخدام
P0-An Gen مولد أزياء أزياء مدعوم بالذكاء الاصطناعي لـ Flipkart والذي يُحدث ثورة في الطريقة التي يكتشف بها المستخدمون أزياء أزياء مخصصة وينشئونها بطريقة محادثة طبيعية.
P1-يجب أن يأخذ المولد في الاعتبار عوامل مثل نوع جسم المستخدم، والمناسبة (على سبيل المثال، غير رسمية، رسمية، حفلة)، والتفضيلات الإقليمية والعمرية.
يجب أن يكون مستخدمو P2 أيضًا قادرين على التفاعل مع منشئ الملابس لإعطائه تعليقات فيما يتعلق بما يحبونه وما لا يعجبهم ويكونون قادرين على تعديل الملابس بطريقة المحادثة.
P3- يمكن للمولد أن يأخذ في الاعتبار أنواع عناصر الملابس التي يشاهدها المستخدم بشكل متكرر أو يضيفها إلى سلة التسوق الخاصة به، مما يضمن أن توصيات الزي مناسبة وجذابة.
P4- يأخذ Generator في الاعتبار تفضيلات المستخدم وعادات التصفح وأحدث اتجاهات الموضة.
معلومات
The application is tested on python version 3.10 and node version v16.17.0 and npm version 8.15.0
مكدس التكنولوجيا
العميل: React وScss-Sass وReact-Toastify
الخادم: بايثون - جانغو/جانغو ريست
النماذج: الانتشار المستقر XLv1.0، LoRA، ChatGPT-3.5(api)
السحابة: السيدة Azure - تخزين Blob
تثبيت
استنساخ المستودع
خطوات تشغيل الواجهة الخلفية
- قم بإضافة .env إلى الدليل الجذر للمستودع
JWT_SECRET= " "
JWT_ALGORITHM= " "
AZURE_ACCOUNT_URI= " "
AZURE_ACCOUNT_NAME= " "
HUGGING_FACE_TOKEN= " "
OPENAI_API_KEY= " "
- قم بتنشيط بيئة جديدة تسمى الاختبار
py -m venv test
test s cripts a ctivate
pip install -r requirements.txt
python manage.py migrate
python manage.py runserver
(create a superuser by
python manage.py createsuperuser
to access admin panel)
خطوات تشغيل الواجهة الأمامية
cd z_client
npm install --legacy-peer-deps
npm start
المنهجية
تخريد البيانات
البيانات المحذوفة من المواقع التالية:
- Flipkart - من سجل الشراء الخاص بالمستخدم وقائمة الرغبات
- Pinterest - صور سريعة لأحدث الأزياء العصرية
- Instagram - صور تحتوي على هاشتاجات تتعلق بأحدث الأزياء.
- Myntra - أحدث البيانات التعريفية لمنتجات الملابس بالإضافة إلى الصور
قم بتخزين كل هذه البيانات في مجموعة بيانات، ثم أرسل مجموعة بيانات مخصصة للوقت من أجل الضبط الدقيق.
النموذج التوليدي
- يتضمن النشر المستقر ثلاثة أجزاء: VAE، وU-Net، ومشفر النص الاختياري. يقوم VAE بضغط الصور، بينما يعمل U-Net على تشويهها. .
- ضبط هذا النموذج على مجموعة البيانات المخصصة.
- تم نشر النموذج على مركز Hugging Face.
- الوصول إلى النموذج من خلال Inference API.
- يأخذ الإدخال كمطالبة، ويعيد رابط الصورة المشفرة base64.
المحادثة (ميزة الدردشة والتعليقات)
استخدم أحد أفضل النماذج النصية gpt-3.5-turbo مع الضبط الدقيق لاستخراج المعلومات من المطالبة التي أدخلها المستخدم، وأخذ سجل البحث كسياق، وإنشاء مطالبة جديدة.
سيأخذ مطالبة جديدة من المستخدم، ويجلب السجل من قاعدة البيانات، ويرسل الطلبات من خلال مفتاح openAI API، ويعيد المطالبة الجديدة التي تم إنشاؤها
التوصية (نتائج مخصصة)
- جلب المطالبات القديمة من قاعدة البيانات.
- ابحث عن الموجه الأكثر تشابهًا من الموجه الذي تم إدخاله باستخدام مصفوفة التشابه.
- إذا كان سجل البحث > 2، فابحث عن المطالبة الأكثر تشابهًا من السجل، وإلا فهناك بعض المطالبات الافتراضية بناءً على الكلمات الرئيسية من مطالبة المستخدم.
النطاق المستقبلي
- الارتباط مع Flipkart: سيتم ربط هذا التطبيق بـ Flipkart حتى يتمكن من مراعاة سجل طلبات المستخدم/قائمة الرغبات من Flipkart ويمكنه تقديم نتائج أكثر تخصيصًا.
- تجربة افتراضية: يمكن دمجها مع Flipkart لتوفير تجارب تجربة افتراضية. ويمكن للعملاء وصف نوع الملابس التي يبحثون عنها، ويمكن أن يوفر المولد صورًا مخصصة لعارضات يرتدين تلك الملابس، مما يساعد العملاء على اتخاذ قرارات شراء مستنيرة.
- دقة وتفاصيل أعلى: تحسين قدرة المولد على إنتاج صور عالية الدقة ومفصلة.
- التعلم المستمر: السماح للعارضة بالتعلم المستمر من اتجاهات الموضة الجديدة
- النماذج الهجينة: يمكن أن يؤدي الجمع بين إنشاء تحويل النص إلى صورة مع تقنيات الذكاء الاصطناعي الأخرى، مثل أنظمة التوصية بالأسلوب أو نماذج التنبؤ بالاتجاه، إلى إنشاء حلول أزياء أكثر شمولاً وقوة.
المؤلفون
- جاي أناند @jaianand
- نيليش بوبلي @Adrenex
- هارشيت باجيتا @harshitbajeta
لقطات الشاشة
