Розробка AI-віртуальної примірки одягу в мобільному додатку

Користувач завантажує своє фото в додаток — і AI має накласти одяг так, щоб вона виглядала природньо, з урахуванням пози, пропорцій та освітлення. Це складне завдання комп'ютерного зору, яке вирішується комбінацією сегментації тіла, оцінки пози та синтезу зображення. Ми реалізуємо такі рішення для мобільних додатків вже понад п'ять років, використовуючи стек MediaPipe, HR-VITON та Metal.

Зазвичай проєкт починається з аудиту каталогу одягу та вимог до якості. Якщо потрібна максимальна якість для соцмереж — вибираємо фото-примірку з серверним GAN-інференсом. Якщо потрібна інтерактивність у додатку — розробляємо real-time AR на базі MediaPipe Pose. В обох випадках забезпечуємо дотримання App Store Review Guidelines та захист даних користувачів. Наш досвід — 5+ років у мобільній розробці та комп'ютерному зорі.

В одному з проєктів для fashion-бренду ми впровадили фото-примірку з обробкою на A10 GPU, що дозволило користувачам отримувати результат за 1.5 секунди. Економія на поверненнях склала до $25 000 на місяць при обігу $100 000, а витрати на логістику повернень знизилися на $1.2 на замовлення. Отримайте консультацію, щоб оцінити ефект для вашого бізнесу.

Як працює AI-віртуальна примірка?

Ми підтримуємо два режими: фото-примірка (користувач завантажує фото, результат через кілька секунд) та real-time AR (пряма трансляція з камери з накладанням одягу в реальному часі). Для фото використовуємо важкі GAN-моделі, такі як HR-VITON, для AR — легкий mesh-підхід на базі MediaPipe Pose.

Технічний стек: від парсингу до синтезу

On-device: MediaPipe Pose для 33 ключових точок, Self-Correction Human Parsing (SCHP) для сегментації частин тіла (конвертована в Core ML/TFLite). На iPhone 13 парсинг займає 300–500 мс на зображення 512×512. Згідно з MediaPipe Pose, точність визначення ключових точок перевищує 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)

Серверний try-on: HR-VITON — state-of-the-art модель з роздільною здатністю 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")

Час генерації на A10 GPU — 1.5–3 секунди. На CPU — 15–30 секунд.

Чому real-time AR складніший?

Для real-time без важкого GAN ми використовуємо mesh warping: MediaPipe Pose (30+ fps), Delaunay тріангуляція, деформація текстури через Metal. Якість нижча, але працює на iPhone 11 без лагів. Real-time AR у 30 разів швидший за фото-примірку за часом відгуку, хоча програє в деталізації. Порівняння продуктивності:

Пайплайн контенту: кожен елемент одягу потребує фото на білому фоні, маску силуету, категорію. Авто-сегментація через RemBG, валідація, завантаження в CDN.

Процес впровадження: покроково

1. Аудит каталогу та вимог — аналіз асортименту, форматів, цільових пристроїв.
2. Вибір архітектури — фото-примірка, AR або комбінація.
3. Інтеграція on-device ML — встановлення MediaPipe, Core ML/TFLite, портування SCHP.
4. Налаштування серверного інференсу — GPU-інференс (A10/A100) або виділений сервер.
5. Розробка UI примірки — вибір позиції, захоплення відео, відображення результату.
6. Тестування та оптимізація — заміри швидкості, якості, стрес-тест.
7. Деплой — публікація в сторах, налаштування CDN для контенту.

Що входить у роботу

• Документація архітектури та API
• Доступ до репозиторію з вихідним кодом
• Інтеграція з вашим каталогом
• Тестовий період та підтримка 3 місяці
• Навчання команди по роботі з пайплайном

Терміни

Фото-примірка з серверним інференсом, одна платформа — 4–6 тижнів. Повна реалізація з AR real-time, обидві платформи, каталоговий пайплайн — 10–16 тижнів. Вартість розраховується індивідуально — напишіть нам для оцінки вашого проєкту. Економія на поверненнях в середньому 15-25% окупає впровадження за 3-6 місяців.

Працюємо з ритейлерами, fashion-брендами та стартапами. Гарантуємо якість на всіх етапах. Зв'яжіться з нами для безкоштовного аудиту вашого каталогу.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.