FlipkartGrid5.0

由 genAI 提供支持的对​​话式时尚生成器

目标

• Gen AI 支持的时尚服装生成器：开发功能强大且直观的对话式 AI 系统。
• 用户数据集成：集成收集和分析用户数据的机制，包括过去的购买历史记录、浏览偏好。
• 个性化服装推荐：生成器应该能够了解用户独特的时尚偏好。
• 社交媒体趋势分析：实施允许人工智能分析和整合实时时尚趋势的功能。
• 交互式反馈循环：使用户能够提供反馈并与人工智能交互以完善服装推荐。
• 多功能服装建议：人工智能应该能够针对各种场合、风格、特定年龄、特定区域和用户档案生成服装推荐。

用例

• P0-Flipkart 的 Gen AI 时尚服装生成器，彻底改变了用户以自然对话方式发现和创建个性化时尚服装的方式。

• P1-生成器应考虑用户的体型、场合（例如休闲、正式、聚会）以及区域和年龄偏好等因素。

• P2-用户还应该能够与服装生成器进行交互，以向其提供他们喜欢、不喜欢的反馈，并能够以对话的方式调整服装。

• P3-生成器可以考虑用户经常查看或添加到购物车的服装类型，确保服装推荐相关且有吸引力。

• P4- Generator考虑了用户的喜好、浏览习惯和最新的流行趋势。

信息

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

技术堆栈

客户端： React、Scss-Sass、React-Toastify

服务器： Python - Django/Django REST

模型：稳定扩散 XLv1.0、LoRA、ChatGPT-3.5(api)

云： Ms Azure - Blob 存储

安装

克隆存储库

运行后端的步骤

• 将 .env 添加到存储库的根目录

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

• 激活一个名为 test 的新环境

 py -m venv test
 test s cripts a ctivate
 pip install -r requirements.txt

• 迁移并运行服务器

python manage.py migrate
python manage.py runserver
(create a superuser by 
python manage.py createsuperuser
to access admin panel)

运行前端的步骤

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

方法论

数据抓取

从以下网站抓取数据：

• Flipkart - 来自用户的购买历史和愿望清单
• Pinterest - 带有提示的最新流行服装的图片
• Instagram - 带有主题标签的图像，与时尚、最新的服装相关。
• Myntra - 最新服装产品元数据以及图像

将所有这些数据存储到数据集中，然后发送时间自定义数据集进行微调。

生成模型

• Stable Diffusion 涉及三个部分：VAE、U-Net 和可选的文本编码器。 VAE 压缩图像，U-Net 去噪。 。
• 在自定义数据集上微调此模型。
• 在 Hugging Face 中心部署模型。
• 通过 Inference API 访问模型。
• 将输入作为提示，返回 base64 编码的图像链接。

对话（聊天和反馈功能）

• 使用最好的文本模型之一 gpt-3.5-turbo 进行微调，从用户输入的提示中提取信息，并将搜索历史记录作为上下文，并生成新的提示。

• 它将获取用户的新提示，从数据库获取历史记录，通过 openAI API 密钥发送请求，并返回新生成的提示

推荐（个性化结果）

• 从数据库中获取旧提示。
• 使用相似度矩阵从输入的提示中查找最相似的提示。
• 如果搜索历史> 2，则从历史记录中查找最相似的提示，否则有一些基于用户提示中的关键字的默认提示。

未来范围

• 与 Flipkart 链接：该应用程序将与 Flipkart 链接，以便它可以考虑来自 Flipkart 的用户订单历史/愿望清单，并可以提供更个性化的结果。
• 虚拟试穿：可以与 Flipkart 集成以提供虚拟试穿体验。顾客可以描述他们正在寻找的服装类型，生成器可以提供穿着这些服装的模特的个性化图像，帮助顾客做出明智的购买决定。
• 更高的分辨率和细节：提高生成器生成高分辨率和细节图像的能力。
• 持续学习：让模特不断学习新的流行趋势
• 混合模型：将文本到图像生成与其他人工智能技术（例如风格推荐系统或趋势预测模型）相结合，可以创建更全面、更强大的时尚解决方案。

作者

• 贾伊·阿南德@jaianand
• 尼勒什·波普利@Adrenex
• 哈希特巴杰塔@harshitbajeta

截图