Разработка нейросетевых моделей по сегментации стопы для кастомизированной примерки обуви

Задача

Подбор обуви по реальной геометрии стопы: задача на стыке медицины и ритейла. Стандартные размерные сетки не учитывают индивидуальную форму, из-за чего обувь натирает, деформирует стопу и не подходит людям с ортопедическими особенностями. Ручное снятие мерок неточно и не масштабируется. Нужна была технология, которая по 3D-скану стопы автоматически выделяет её геометрию для кастомизированной примерки и пошива.

Решение

Мы разработали нейросетевые модели сегментации стопы для кастомизированной примерки обуви. Система обрабатывает 3D-скан, отделяет стопу от фона и опорной поверхности, выделяет анатомические зоны и строит точную цифровую модель. На её основе подбирается или проектируется обувь под конкретного человека, с учётом реальной формы, а не усреднённого размера.

Технологии

Нейросетевые модели сегментации, работающие с данными 3D-сканирования стопы. Обучение на размеченных сканах, настройка на устойчивость к разным условиям съёмки, положению стопы и качеству исходных данных. Результат сегментации передаётся в пайплайн построения индивидуальной 3D-модели для примерки и производства.

Результат

Технология даёт точную цифровую геометрию стопы за секунды и убирает ручное снятие мерок. Это открывает кастомизированный подбор и пошив обуви в масштабе: от ортопедических задач до премиального ритейла. Кейс показывает, что компетенции Z-union в сегментации и работе с 3D-данными применимы не только в классической медицинской диагностике, но и в смежных продуктовых направлениях на пересечении здоровья и потребительского рынка.