Редакционные материалы fal
Глубокое погружение в работу компаний, которые серьезно относятся к ИИ в значимых отраслях. Одна компания, одна сложная задача и то, что на самом деле нужно для её решения в масштабе.
FASHN, созданная на базе fal
То, как мы видим моду, всегда было логистической проблемой. Бренд бронирует студию, выбирает локацию, нанимает моделей и утверждает творческую концепцию за недели до начала съемок. Со стороны потребителя покупатель пытается представить, будет ли вещь хорошо смотреться на его фигуре, основываясь лишь на одном изображении другого человека. Обе проблемы имеют один корень: инструменты для демонстрации одежды никогда не поспевали за амбициями тех, кто её продает или покупает.
Дэн Бочман и его соучредитель основали FASHN, чтобы устранить этот разрыв. То, что они создали, позволяет модным брендам генерировать изображения моделей в масштабах каталога, создавая, дорабатывая и адаптируя фотографии без логистических сложностей, которые всегда определяли этот процесс. Кроме того, это дает потребителям возможность увидеть одежду на собственном теле перед покупкой (виртуальная примерка).
Студия как ограничение
Модные бренды проводят съемки своих коллекций каждый сезон, а для быстро развивающихся брендов этот цикл может сокращаться до нескольких недель. Каждая съемка привязывает бренд к конкретной локации, набору моделей и творческой концепции. Как только работа завершена, эти материалы становятся неизменными. Новый товар, добавленный в коллекцию после съемки? Упущен. Кампания, которую нужно адаптировать для другого регионального рынка? Начинай сначала. Творческая концепция, которую хочется перенести на следующий сезон? Бронируй ту же студию, надейся, что тот же фотограф свободен, пытайся воссоздать те же условия.
Экономическая выгода здесь поддается количественной оценке, в отличие от большинства других преимуществ ИИ, которые сложнее определить. Бренды, проводящие еженедельные или ежемесячные съемки стоимостью в десятки тысяч долларов, имеют четкую базу для сравнения. Когда ИИ генерирует сопоставимые изображения, математика становится очевидной. Но стоимость — это почти отвлекающий фактор по сравнению с более фундаментальным сдвигом: физические ограничения съемок больше не являются границами возможного.
«Независимо от того, стремитесь ли вы к экстремальному разнообразию или экстремальной последовательности, вы больше не ограничены своими физическими ресурсами или местоположением».
Бренды быстрой моды, такие как Shein и Temu, пошли еще дальше, полностью отказавшись от физических исходных материалов. Они проектируют одежду непосредственно в 3D-программах и используют эти цифровые активы в качестве отправной точки, что позволяет им пройти весь путь без участия камеры. Компромиссом является точность: 3D-рендеры не обладают такой детализацией, как качественно освещенная физическая одежда, и если присмотреться к изображениям товаров, цифровое происхождение становится заметным. Для премиальных и среднеценовых брендов ставки на точность представления выше, а значит, исходный актив по-прежнему важен, и планка качества для всего, что строится на его основе, гораздо строже. Именно здесь технические решения, принятые FASHN на раннем этапе, становятся решающим фактором.
Дэн приводит Zara в качестве эталона того, как выглядит последовательность бренда в масштабе, когда вокруг нее выстроена физическая инфраструктура. Целое здание, отведенное под фотографию, внутренние студийные команды, стандартизированные процессы, оттачиваемые годами. Исторически такая последовательность требовала именно такого уровня инвестиций.
Инфраструктурные требования, о которых недостаточно говорят в контексте ИИ для моды
Инфраструктурные требования к модной фотографии отличаются от требований к виртуальной примерке. Для примерки, ориентированной на потребителя, главной проблемой является задержка на запрос. Генерация должна происходить быстро. Для каталожной съемки проблема заключается в том, что происходит, когда вся коллекция должна пройти через систему одновременно.
Бренд не генерирует одно изображение. Они загружают полный каталог товаров, и всё это нужно обработать с неизменным качеством в сроки, вписывающиеся в реальный производственный процесс. Важен не показатель того, как быстро генерируется одно изображение, а то, сколько их можно запустить параллельно без потери качества во всей партии.
FASHN выполняет 500 одновременных запросов для корпоративных клиентов на бессерверной инфраструктуре fal. При таком пороге бренд отправляет полную коллекцию, отходит в сторону и возвращается к уже готовым материалам.
«Вы загружаете весь каталог, нажимаете кнопку, идете пить кофе и возвращаетесь, когда все материалы готовы. Именно это делает инструмент пригодным для крупных брендов».
Ниже этого порога рабочий процесс ломается, независимо от качества вывода. Бренд, обрабатывающий коллекцию из 300 вещей последовательно, не станет внедрять это в свой производственный процесс. Массовая параллельность — это не приятное дополнение. Это разница между инструментом, который просто оценивают, и инструментом, который реально используют.
Почему виртуальная примерка сложнее, чем кажется
Первый путь, который выбирает большинство команд в виртуальной примерке, — это дообучение существующей базовой модели и наслоение адаптеров до тех пор, пока результаты не станут достаточно убедительными. Команда Дэна проработала все доступные на тот момент варианты: Stable Diffusion XL, Flux, Qwen Image, различные энкодеры, разные архитектуры адаптеров. Ни один из них не дал результатов, соответствующих требованиям модных брендов.
Фундаментальная проблема заключается в том, что латентное пространство хорошо работает, когда цель — правдоподобность. Генерация реалистичного изображения модели в обычной одежде — это именно то, для чего оно предназначено. Но виртуальная примерка — это не генеративная задача в привычном смысле, а задача точного редактирования. Вам нужно взять конкретную вещь и наложить её точно на конкретное тело, сохранив при этом каждую текстуру и детали узора. В латентном пространстве такому попиксельному редактированию сложно обучиться, а обучение, необходимое для точного выполнения, по большей части сводит на нет вычислительную эффективность, полученную за счет сжатия изображения.
Модным брендам нужно, чтобы их товары были представлены в точности такими, какие они есть. Тонкие текстуры, точные узоры, правильный цвет. Не потому, что это лучше выглядит в демо-версии, а потому, что ошибка здесь имеет реальные последствия.
«Они боятся обвинений в ложной рекламе. Они боятся показать вам товар, который выглядит хорошо, но не является тем самым товаром, что приведет к возврату».
Единственные исследования того времени, показывающие по-настоящему многообещающие результаты, работали в пиксельном пространстве, то есть напрямую с данными изображений, а не со сжатием изображений в более эффективное, но менее точное промежуточное представление. Реализации с открытым исходным кодом не существовало. FASHN создала её с нуля, опубликовала в открытом доступе и обучила свою модель на её основе. Этот выбор установил планку качества, достаточно высокую для корпоративного рынка, а техническая дисциплина, которую он потребовал, определила всё последующее развитие.
Обслуживание двух клиентов, которые хотят противоположного
Виртуальная примерка обнажает проблему проектирования, которая находится в центре создания ИИ-инструментов для моды. Бренды и потребители хотят точных и убедительных результатов, но их готовность ждать ответа существенно различается.
Для брендов точность важнее всего остального. Они готовы ждать генерации несколько минут, если результат достоверно передает их продукт. Чего они не могут принять, так это изображения, которые выглядят правдоподобно, но искажают предмет одежды.
Конечных потребителей больше всего волнует скорость, но не ценой ощущения, что их потребности игнорируют. Им важно получить изображение за шесть секунд, но при этом они хотят, чтобы оно сохраняло особенности их телосложения, показывало татуировки и учитывало пирсинг. Планка здесь — не совершенство, а достаточный реализм, чтобы опыт казался персональным, а не шаблонным. Что губит внедрение технологий потребителями, так это не недостаточная точность, а медленная точность. Результат, на который уходит сорок секунд, каким бы точным он ни был, мгновенно теряет клиента.
Одна и та же базовая технология, но радикально разные требования в зависимости от сценария использования. Этот разрыв определил подход FASHN к задержкам, компромиссам в качестве и инфраструктуре, необходимой для поддержки обоих аспектов без ущерба для любого из них.
Разрыв между тем, где виртуальная примерка находится сегодня, и тем, где она должна быть, все еще значителен. Дэн оценивает текущее среднее время генерации примерно в 40 секунд, в то время как ожидания потребителей ближе к пяти. Бренды пока преодолевают этот разрыв с помощью умных UX-решений, но траектория ясна. По мере увеличения скорости генерации эти обходные пути станут излишними, а опыт — по-настоящему интерактивным.
Последняя проблема, которую ИИ в индустрии моды еще не решил
Что объединяет ИИ-фотографию в моде и виртуальную примерку сегодня, так это то, что обе они по сути являются эстетическими достижениями. Фотография в моде может убедительно показать одежду на теле, достоверно сохранить текстуру и цвет, и делать это в масштабах каталога. Виртуальная примерка может достаточно быстро поместить ту же одежду на тело потребителя, чтобы опыт казался персональным. Чего ни то, ни другое пока не может сделать, так это сказать вам, подойдет ли одежда по размеру.
Решение этой задачи требует данных с обеих сторон. Точных данных о 3D-конструкции от брендов о том, как сшита одежда, и какой-то формы данных об измерениях тела от потребителей. Со стороны брендов движение идет в этом направлении, поскольку 3D-ориентированные рабочие процессы проектирования становятся стандартом. Со стороны потребителей требуется своего рода участие, о котором большинство людей еще не просили.
Дэн видит, что это сближение происходит постепенно, по мере того как инфраструктура с обеих сторон совершенствуется. Когда это произойдет, разрыв между просмотром одежды и знанием того, что она подходит, сократится таким образом, что все созданное до сих пор будет выглядеть как фундамент, а не как финишная черта.
FASHN создает инструменты ИИ-фотографии в моде и виртуальной примерки для брендов и предприятий, используя инфраструктуру fal.
