FlipkartGrid5.0

由 genAI 提供支援的對話式時尚生成器

目標

• Gen AI 支援的時尚服裝產生器：開發功能強大且直覺的對話式 AI 系統。
• 使用者資料整合：整合收集和分析使用者資料的機制，包括過去的購買歷史記錄、瀏覽偏好。
• 個人化服裝推薦：生成器應該能夠了解用戶獨特的時尚偏好。
• 社群媒體趨勢分析：實施允許人工智慧分析和整合即時時尚趨勢的功能。
• 互動式回饋循環：使用戶能夠提供回饋並與人工智慧互動以完善服裝推薦。
• 多功能服裝建議：人工智慧應該能夠針對各種場合、風格、特定年齡、特定區域和使用者檔案產生服裝推薦。

用例

• P0-Flipkart 的 Gen AI 時尚服裝生成器，徹底改變了用戶以自然對話方式發現和創建個人化時尚服裝的方式。

• P1-生成器應考慮使用者的體型、場合（例如休閒、正式、聚會）以及區域和年齡偏好等因素。

• P2-用戶還應該能夠與服裝生成器進行交互，以向其提供他們喜歡、不喜歡的反饋，並能夠以對話的方式調整服裝。

• P3-生成器可以考慮用戶經常查看或添加到購物車的服裝類型，確保服裝推薦相關且有吸引力。

• P4- Generator考慮了用戶的喜好、瀏覽習慣和最新的流行趨勢。

資訊

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

技術堆疊

客戶端： React、Scss-Sass、React-Toastify

伺服器： Python - Django/Django REST

模型：穩定擴散 XLv1.0、LoRA、ChatGPT-3.5(api)

雲端： Ms Azure - Blob 存儲

安裝

克隆儲存庫

運行後端的步驟

• 將 .env 新增至儲存庫的根目錄

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

• 啟動一個名為 test 的新環境

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

• 遷移並運行伺服器

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

運行前端的步驟

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

方法論

資料抓取

從以下網站抓取資料：

• Flipkart - 來自用戶的購買歷史和願望清單
• Pinterest - 帶有提示的最新流行服裝的圖片
• Instagram - 帶有主題標籤的圖像，與時尚、最新的服裝相關。
• Myntra - 最新服裝產品元資料以及影像

將所有這些資料儲存到資料集中，然後發送時間自訂資料集進行微調。

生成模型

• Stable Diffusion 涉及三個部分：VAE、U-Net 和可選的文字編碼器。 VAE 壓縮影像，U-Net 去雜訊。 。
• 在自訂資料集上微調此模型。
• 在 Hugging Face 中心部署模式。
• 透過 Inference API 存取模型。
• 將輸入作為提示，返回 base64 編碼的圖像連結。

對話（聊天和回饋功能）

• 使用最好的文字模型之一 gpt-3.5-turbo 進行微調，從用戶輸入的提示中提取信息，並將搜尋歷史記錄作為上下文，並產生新的提示。

• 它將獲取用戶的新提示，從資料庫獲取歷史記錄，透過 openAI API 金鑰發送請求，並傳回新產生的提示

推薦（個人化結果）

• 從資料庫中取得舊提示。
• 使用相似度矩陣從輸入的提示中找出最相似的提示。
• 如果搜尋記錄> 2，則從歷史記錄中尋找最相似的提示，否則有一些基於使用者提示中的關鍵字的預設提示。

未來範圍

• 與 Flipkart 鏈接：該應用程式將與 Flipkart 鏈接，以便它可以考慮來自 Flipkart 的用戶訂單歷史/願望清單，並可以提供更個性化的結果。
• 虛擬試穿：可以與 Flipkart 整合以提供虛擬試穿體驗。顧客可以描述他們正在尋找的服裝類型，生成器可以提供穿著這些服裝的模特兒的個人化圖像，幫助顧客做出明智的購買決定。
• 更高的解析度和細節：提高生成器生成高解析度和細節影像的能力。
• 持續學習：讓模特兒不斷學習新的流行趨勢
• 混合模型：將文字到圖像生成與其他人工智慧技術（例如風格推薦系統或趨勢預測模型）相結合，可以創建更全面、更強大的時尚解決方案。

作者

• 賈伊·阿南德@jaianand
• 尼勒什·波普利@Adrenex
• 哈希特巴傑塔@harshitbajeta

截圖