Реализация AI-виртуальной примерки одежды в мобильном приложении

Пользователь загружает своё фото в приложение — и AI должен наложить одежду так, чтобы она выглядела естественно, с учётом позы, пропорций и освещения. Это сложная задача компьютерного зрения, которая решается комбинацией сегментации тела, оценки позы и синтеза изображения. Мы реализуем такие решения для мобильных приложений уже более пяти лет, используя стек MediaPipe, HR-VITON и Metal.

Обычно проект начинается с аудита каталога одежды и требований к качеству. Если нужно максимальное качество для соцсетей — выбираем фото-примерку с серверным GAN-инференсом. Если нужна интерактивность в приложении — разрабатываем real-time AR на базе MediaPipe Pose. В обоих случаях обеспечиваем соблюдение App Store Review Guidelines и защиту данных пользователей. Наш опыт — 5+ лет в мобильной разработке и компьютерном зрении.

В одном из проектов для fashion-бренда мы внедрили фото-примерку с обработкой на A10 GPU, что позволило пользователям получать результат за 1.5 секунды. Экономия на возвратах составила до $25 000 в месяц при обороте $100 000, а затраты на логистику возвратов снизились на $1.2 на заказ. Получите консультацию, чтобы оценить эффект для вашего бизнеса.

Как работает AI-виртуальная примерка?

Мы поддерживаем два режима: фото-примерка (пользователь загружает фото, результат через несколько секунд) и real-time AR (прямая трансляция с камеры с наложением одежды в реальном времени). Для фото используем тяжелые GAN-модели, такие как HR-VITON, для AR — лёгкий mesh-подход на базе MediaPipe Pose.

Технический стек: от парсинга до синтеза

On-device: MediaPipe Pose для 33 ключевых точек, Self-Correction Human Parsing (SCHP) для сегментации частей тела (конвертирована в Core ML/TFLite). На iPhone 13 парсинг занимает 300–500 мс на изображение 512×512. Согласно MediaPipe Pose, точность определения ключевых точек превышает 95%.

// MediaPipe Pose Landmarker
let options = PoseLandmarkerOptions()
options.baseOptions.modelAssetPath = Bundle.main.path(forResource: "pose_landmarker_full", ofType: "task")!
options.numPoses = 1
options.minPoseDetectionConfidence = 0.5
options.minPosePresenceConfidence = 0.5
options.minTrackingConfidence = 0.5

let poseLandmarker = try PoseLandmarker(options: options)

let mpImage = try MPImage(uiImage: sourcePhoto)
let result = try poseLandmarker.detect(image: mpImage)

// Android: human parsing через TFLite
val interpreter = Interpreter(
    FileUtil.loadMappedFile(context, "schp_parsing.tflite"),
    Interpreter.Options().apply { addDelegate(GpuDelegate()) }
)

val input = Array(1) { Array(512) { Array(512) { FloatArray(3) } } }
val output = Array(1) { Array(512) { Array(512) { FloatArray(20) } } }

interpreter.run(input, output)

Серверный try-on: HR-VITON — state-of-the-art модель с разрешением до 1024×768. API на FastAPI + PyTorch:

@app.post("/tryon")
async def virtual_tryon(person_image: UploadFile, clothing_image: UploadFile):
    person = load_image(await person_image.read())
    clothing = load_image(await clothing_image.read())
    parse_map = run_human_parsing(person)
    keypoints = run_pose_estimation(person)
    result = hrviton_model(person, clothing, parse_map, keypoints)
    return StreamingResponse(image_to_bytes(result), media_type="image/jpeg")

Время генерации на A10 GPU — 1.5–3 секунды. На CPU — 15–30 секунд.

Почему real-time AR сложнее?

Для real-time без тяжёлого GAN мы используем mesh warping: MediaPipe Pose (30+ fps), Delaunay триангуляция, деформация текстуры через Metal. Качество ниже, но работает на iPhone 11 без лагов. Real-time AR в 30 раз быстрее фото-примерки по времени отклика, хотя проигрывает в детализации. Сравнение производительности:

Пайплайн контента: каждый элемент одежды требует фото на белом фоне, маску силуэта, категорию. Авто-сегментация через RemBG, валидация, загрузка в CDN.

Процесс внедрения: пошагово

1. Аудит каталога и требований — анализ ассортимента, форматов, целевых устройств.
2. Выбор архитектуры — фото-примерка, AR или комбинация.
3. Интеграция on-device ML — установка MediaPipe, Core ML/TFLite, портирование SCHP.
4. Настройка серверного инференса — GPU-инференс (A10/A100) или выделенный сервер.
5. Разработка UI примерки — выбор позиции, захват видео, отображение результата.
6. Тестирование и оптимизация — замеры скорости, качества, стресс-тест.
7. Деплой — публикация в сторах, настройка CDN для контента.

Что входит в работу

• Документация архитектуры и API
• Доступ к репозиторию с исходным кодом
• Интеграция с вашим каталогом
• Тестовый период и поддержка 3 месяца
• Обучение команды по работе с пайплайном

Сроки

Фото-примерка с серверным инференсом, одна платформа — 4–6 недель. Полная реализация с AR real-time, обе платформы, каталожный пайплайн — 10–16 недель. Стоимость рассчитывается индивидуально — напишите нам для оценки вашего проекта. Экономия на возвратах в среднем 15-25% окупает внедрение за 3-6 месяцев.

Работаем с ритейлерами, fashion-брендами и стартапами. Гарантируем качество на всех этапах. Свяжитесь с нами для бесплатного аудита вашего каталога.

AI и ML в мобильных приложениях: CoreML, TFLite и on-device модели

Мы различаем два принципиально разных подхода: приложение с on-device AI и приложение, которое просто вызывает облачное API. Первое работает без интернета, не отправляет данные пользователя на сторонние серверы и отвечает за 50 миллисекунд. Второе зависит от задержки сети и тарифного плана. Выбор архитектуры — ключевой этап, который напрямую влияет на стоимость, приватность и пользовательский опыт. Наш опыт показывает: в 70% проектов on-device инференс оказывается дешевле в долгосрочной перспективе за счёт исключения серверных затрат.

Как выбрать между CoreML и TFLite для on-device инференса?

CoreML — нативный фреймворк Apple для запуска ML-моделей на устройстве. Поддерживает Neural Engine (начиная с A11 Bionic), GPU и CPU как fallback. Модели конвертируются в формат .mlmodel через coremltools из PyTorch, ONNX или TensorFlow. Конвертация — не всегда тривиальна: кастомные слои требуют реализации MLCustomLayer, а квантизация до INT8 иногда заметно роняет точность на специфических данных. Мы гарантируем, что итоговая модель проходит валидацию на реальных данных до и после конвертации.

TensorFlow Lite — кросс-платформенная альтернатива для Android и Flutter. На Android использует NNAPI (Neural Networks API) для хардварного ускорения — с Android 10 NNAPI стабильнее, до этого лучше явно использовать GPU delegate через GpuDelegate. Типичная ошибка: модель обучена на нормализованных данных в диапазоне [0,1], а в приложении на вход подаётся [0,255] — инференс работает, но с бессмысленными результатами без ошибки. Мы включаем модуль автоматической валидации входных данных в SDK.

Для задач классификации изображений, детекции объектов и сегментации доступны готовые оптимизированные модели. YOLOv8 в CoreML формате запускает детекцию кадра 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite с GPU delegate — около 8 мс на Pixel 7 при классификации.

Что делать, если нужна генерация текста на устройстве?

Запуск небольших языковых моделей на устройстве стал реальностью в последние несколько лет. Apple Intelligence использует собственные модели через Private Cloud Compute, но для сторонних разработчиков доступны другие пути.

llama.cpp с Metal backend на iOS — работающий подход для phi-3-mini (3.8B параметров, 4-bit квантизация, ~2.3 ГБ). Инференс: 15–25 токенов/секунду на iPhone 15 Pro. Для интеграции в Swift используем Swift Package llama.swift или обёртку через C-интерфейс llama.h. Бинарник к приложению не прикладываем — модель скачивается при первом запуске и хранится в Application Support. Наши сертифицированные разработчики настраивают инкрементальную загрузку, чтобы не блокировать первый запуск.

На Android аналог — Google AI Edge (бывший MediaPipe LLM Inference API) с поддержкой Gemma-2B. Работает через GPU delegate, на Tensor G3 чипе Pixel 8 Pro — около 20 токенов/секунду.

Ограничения реальны: модели больше 4B параметров на мобильных устройствах по-прежнему медленны. Для сложных задач рассуждения on-device LLM уступает GPT-4o в качестве. Гибридный подход — on-device для коротких задач и приватных данных, облако для сложных запросов — часто оптимален. Оценим ваш кейс и предложим баланс производительности и приватности — пишите.

Интеграция OpenAI API и других облачных моделей

Для сценариев, где cloud inference допустим, интеграция OpenAI, Anthropic или Google Gemini — это HTTP клиент + streaming SSE. В Swift удобно через AsyncThrowingStream для стриминговых ответов. В Kotlin — через Flow.

Критически важно: API-ключи никогда не хранятся в бандле приложения. Даже обфусцированный ключ извлекается из IPA за 10 минут через strings или frida. Правильная архитектура: мобильное приложение → собственный backend → OpenAI API. Backend контролирует rate limiting, логирует запросы, защищает ключ.

Что входит в работу (deliverables)

• Обученная и квантизированная модель под целевое устройство (документация по метрикам)
• SDK для интеграции (Swift/Kotlin/Flutter) с примерами вызова
• Тесты производительности на 3–5 реальных устройствах
• Инструкция по обновлению модели OTA
• Поддержка при прохождении модерации App Store / Google Play (проверка соответствия Guidelines 4.2, 5.1)
• 2 недели технической поддержки после релиза

Типичный пайплайн проекта

1. Анализ задачи — замеряем latency, privacy, size, поддерживаемые устройства.
2. Прототипирование модели — в Python, оценка accuracy на целевых данных.
3. Конвертация и квантизация — под CoreML/TFLite с валидацией.
4. Интеграция в приложение — модель оборачивается в сервисный слой (легко подменять CoreML → TFLite → облако).
5. Тестирование — на реальных девайсах, замер FPS, RAM, батареи.
6. Деплой — через TestFlight / Firebase App Distribution, мониторинг метрик.

Сроки: интеграция готовой CoreML/TFLite модели — 1–2 недели, разработка кастомной модели с мобильной оптимизацией — от 6 недель, on-device LLM чат с персонализацией — 4–8 недель.

Почему мы беремся за сложные кейсы?

10+ лет опыта в мобильной разработке, 50+ внедрённых AI/ML решений, гарантия совместимости с актуальными версиями iOS и Android. Все проекты проходят code review и нагрузочное тестирование. В стоимость уже входит подготовка документации для модерации и обучение вашей команды.

Свяжитесь с нами — мы поможем выбрать архитектуру и внедрить ML в ваше приложение под ключ. Закажите аудит существующего решения — бесплатно оценим потенциал экономии серверных затрат (в некоторых проектах экономия достигает $10k в месяц).