Descargar FlipkartGrid5.0 - Descarga del código fuente FlipkartGrid5.0

Descargar

Generador de moda conversacional impulsado por genAI

Generador de atuendos de moda impulsado por inteligencia artificial: desarrolle un sistema de inteligencia artificial conversacional funcional e intuitivo.
Integración de datos del usuario: integre mecanismos para recopilar y analizar datos del usuario, incluido el historial de compras anteriores y las preferencias de navegación.
Recomendaciones de vestimenta personalizadas: el generador debe ser capaz de comprender las preferencias de moda únicas de un usuario.
Análisis de tendencias de redes sociales: implementar funciones que permitan a la IA analizar e incorporar tendencias de moda en tiempo real.
Bucle de retroalimentación interactiva: permita a los usuarios brindar retroalimentación e interactuar con la IA para perfeccionar las recomendaciones de vestimenta.
Sugerencias de vestimenta versátiles: la IA debería ser capaz de generar recomendaciones de vestimenta para diversas ocasiones, estilos, edades específicas, regiones específicas y perfiles de usuario.

P0-Un generador de conjuntos de moda impulsado por IA para Flipkart que revoluciona la forma en que los usuarios descubren y crean conjuntos de moda personalizados, de una manera conversacional natural.
P1: el generador debe considerar factores como el tipo de cuerpo del usuario, la ocasión (por ejemplo, informal, formal, de fiesta) y las preferencias regionales y de edad.
Los usuarios de P2 también deberían poder interactuar con el generador de vestimenta para darle retroalimentación en términos de lo que les gusta y lo que no les gusta y poder modificar la vestimenta a modo de conversación.
P3- El generador puede tener en cuenta los tipos de prendas de vestir que el usuario ve con frecuencia o agrega a su carrito, asegurando que las recomendaciones de vestimenta sean relevantes y atractivas.
P4- Generator ha considerado las preferencias del usuario, los hábitos de navegación y las últimas tendencias de la moda.

The application is tested on python version 3.10 and node version v16.17.0 and npm version 8.15.0

Cliente: Reaccionar, Scss-Sass, Reaccionar-Toastify

Servidor: Python - Django/Django REST

Modelos: Difusión estable XLv1.0, LoRA, ChatGPT-3.5(api)

Nube: Ms Azure - Almacenamiento de blobs

Clonar el repositorio

Pasos para ejecutar el backend

 JWT_SECRET= " "
 JWT_ALGORITHM= " "
 AZURE_ACCOUNT_URI= " "
 AZURE_ACCOUNT_NAME= " "
 HUGGING_FACE_TOKEN= " "
 OPENAI_API_KEY= " "

 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)

Pasos para ejecutar Frontend

 cd z_client
 npm install --legacy-peer-deps
 npm start

Captura de pantalla de la aplicación

Eliminación de datos

Datos extraídos de los siguientes sitios web:

Almacenó todos estos datos en un conjunto de datos y luego envió un conjunto de datos personalizado de tiempo para realizar ajustes.

Modelo generativo

La difusión estable consta de tres partes: VAE, U-Net y codificador de texto opcional. VAE comprime imágenes, U-Net las elimina. .
Ajusté este modelo en un conjunto de datos personalizado.
Modelo implementado en el centro Hugging Face.
Acceda al modelo a través de la API de inferencia.
Toma la entrada como mensaje y devuelve un enlace de imagen codificado en base64.

Conversación (función de chat y comentarios)

Se utilizó uno de los mejores modelos de texto, gpt-3.5-turbo, con ajustes finos para extraer información del mensaje ingresado por el usuario, tomar el historial de búsqueda como contexto y generar un nuevo mensaje.
Tomará un nuevo mensaje del usuario, recuperará el historial de la base de datos, enviará solicitudes a través de la clave API de openAI y devolverá el nuevo mensaje generado.

Recomendación (Resultados personalizados)

Recupera mensajes antiguos de la base de datos.
Encuentre el mensaje más similar del mensaje ingresado usando la matriz de similitud.
Si el historial de búsqueda > 2, busque el mensaje más similar en el historial; de lo contrario, hay algunos mensajes predeterminados basados en palabras clave del mensaje del usuario.

Vinculación con Flipkart: esta aplicación se vinculará con Flipkart para que pueda considerar el historial de pedidos del usuario/lista de deseos de Flipkart y pueda proporcionar resultados más personalizados.
Prueba virtual: se puede integrar con Flipkart para brindar experiencias de prueba virtuales. Los clientes podrían describir el tipo de ropa que buscan y el generador podría proporcionar imágenes personalizadas de modelos que usan esos atuendos, ayudando a los clientes a tomar decisiones de compra informadas.
Mayor resolución y detalle: mejora la capacidad del generador para producir imágenes detalladas y de alta resolución.
Aprendizaje continuo: permitir que la modelo aprenda continuamente de las nuevas tendencias de la moda.
Modelos híbridos: la combinación de la generación de texto a imagen con otras tecnologías de inteligencia artificial, como sistemas de recomendación de estilo o modelos de predicción de tendencias, puede crear soluciones de moda más completas y poderosas.