Реализация AI-генерации изображений товаров для e-commerce

AI-генерация изображений товаров для e-commerce

Генерация product images через AI снижает стоимость фотосессий: удаление фона, замена фона, генерация lifestyle-сцен с товаром, создание вариаций цвета/материала без новой съёмки. Типичная экономия: $50–200 за товар вместо студийной съёмки.

Удаление фона + генерация нового

from rembg import remove, new_session
from PIL import Image
from diffusers import StableDiffusionXLInpaintPipeline
import torch
import io
import numpy as np

class ProductImageGenerator:
    def __init__(self):
        self.bg_remover = new_session("isnet-general-use")
        self.pipe = StableDiffusionXLInpaintPipeline.from_pretrained(
            "diffusers/stable-diffusion-xl-1.0-inpainting-0.1",
            torch_dtype=torch.float16
        ).to("cuda")

    def remove_background(self, product_image: bytes) -> tuple[bytes, bytes]:
        """Возвращаем (изображение без фона, маска фона)"""
        result = remove(product_image, session=self.bg_remover)
        img_rgba = Image.open(io.BytesIO(result)).convert("RGBA")

        # Маска: белый = фон (для инпейнтинга), чёрный = товар
        r, g, b, a = img_rgba.split()
        mask = Image.fromarray(255 - np.array(a))  # инвертируем alpha

        img_rgb = Image.new("RGB", img_rgba.size, (255, 255, 255))
        img_rgb.paste(img_rgba, mask=img_rgba.split()[3])

        img_buf = io.BytesIO()
        img_rgb.save(img_buf, format="PNG")

        mask_buf = io.BytesIO()
        mask.save(mask_buf, format="PNG")

        return img_buf.getvalue(), mask_buf.getvalue()

    def place_on_background(
        self,
        product_image: bytes,
        background_prompt: str,
        steps: int = 30
    ) -> bytes:
        product_bytes, mask_bytes = self.remove_background(product_image)

        result = self.pipe(
            prompt=background_prompt,
            image=Image.open(io.BytesIO(product_bytes)),
            mask_image=Image.open(io.BytesIO(mask_bytes)),
            num_inference_steps=steps,
            guidance_scale=9.0,
            strength=0.99
        ).images[0]

        buf = io.BytesIO()
        result.save(buf, format="PNG")
        return buf.getvalue()

Генерация lifestyle-сцен

PRODUCT_SCENE_PROMPTS = {
    "electronics": [
        "modern minimalist desk setup, natural light, laptop nearby, bokeh background",
        "cozy home office, wooden desk, plants, warm ambient lighting",
    ],
    "clothing": [
        "fashion editorial, urban street style, natural daylight",
        "lifestyle shot, outdoor park, casual summer day",
    ],
    "food": [
        "rustic wooden table, natural light, herbs nearby, shallow depth of field",
        "modern kitchen counter, marble surface, fresh ingredients",
    ],
    "cosmetics": [
        "marble surface with flowers, soft pink background, luxury aesthetic",
        "bathroom counter, morning light, clean minimalist style",
    ]
}

async def generate_product_scenes(
    product_image: bytes,
    product_category: str,
    num_variants: int = 4
) -> list[bytes]:
    prompts = PRODUCT_SCENE_PROMPTS.get(product_category, ["professional studio, white background"])
    results = []

    for prompt in prompts[:num_variants]:
        result = product_gen.place_on_background(
            product_image,
            f"product photography, {prompt}, high quality, 8k"
        )
        results.append(result)

    return results

Генерация цветовых вариаций

async def generate_color_variants(
    product_image: bytes,
    colors: list[str],
    product_mask: bytes  # маска только товара
) -> dict[str, bytes]:
    """Меняем цвет товара через инпейнтинг с маской"""
    results = {}

    for color in colors:
        from diffusers import StableDiffusionXLInpaintPipeline
        result = pipe(
            prompt=f"same product shape, {color} color, same material texture, product photography",
            image=Image.open(io.BytesIO(product_image)),
            mask_image=Image.open(io.BytesIO(product_mask)),
            strength=0.6,  # Слабый strength сохраняет форму
            guidance_scale=10.0
        ).images[0]

        buf = io.BytesIO()
        result.save(buf, format="PNG")
        results[color] = buf.getvalue()

    return results

Интеграция с маркетплейсами

class MarketplaceImageOptimizer:
    REQUIREMENTS = {
        "wildberries": {"size": (1000, 1000), "format": "jpg", "bg": "white"},
        "ozon": {"size": (1000, 1000), "format": "jpg", "bg": "white"},
        "amazon": {"size": (2000, 2000), "format": "jpg", "bg": "white", "padding": 0.85},
        "shopify": {"size": (2048, 2048), "format": "webp", "bg": "any"},
    }

    def optimize_for_marketplace(self, image: bytes, marketplace: str) -> bytes:
        req = self.REQUIREMENTS[marketplace]
        img = Image.open(io.BytesIO(image)).convert("RGB")

        # Resize с сохранением пропорций + белый фон
        img.thumbnail(req["size"], Image.LANCZOS)
        background = Image.new("RGB", req["size"], (255, 255, 255))
        offset = ((req["size"][0] - img.size[0]) // 2,
                  (req["size"][1] - img.size[1]) // 2)
        background.paste(img, offset)

        buf = io.BytesIO()
        background.save(buf, format=req["format"].upper(), quality=95)
        return buf.getvalue()

Сроки: сервис удаления фона + AI-фон для одного маркетплейса — 1–2 недели. Полноценная платформа с вариациями цвета и batch-обработкой каталога — 4–6 недель.