Разработка онлайн примерочной чехлов для диванов
Онлайн-примерочная чехлов: покупатель загружает фото дивана и видит выбранную ткань на нём. Компьютерное зрение находит диван, алгоритм переносит текстуру с учётом глубины и теней.

Задача
Покупатель интернет-магазина выбирает чехол по изображению товара, но ему важно увидеть его на своём диване. Нужно было встроить на сайт примерочную: пользователь загружает фотографию и получает визуализацию выбранного чехла до заказа.
Фото как основа примерки
Мы разработали нейросеть для определения дивана на изображении. Она выделяет объект, на который нужно перенести текстуру. Это делает фотографию покупателя основой результата: выбранная ткань показывается в том же интерьере и на том же предмете.
Следующий алгоритм накладывает текстуру с учётом глубины и теней изображения. Задача этого этапа: связать рисунок и цвет ткани с формой дивана, чтобы пользователь мог оценить визуальное сочетание. Вместо отдельного образца чехла на странице появляется результат его примерки.
Встраивание в интернет-магазин
Решение перенесено и адаптировано для серверной работы, затем встроено в веб-страницу компании. Пользовательский процесс включает загрузку фотографии, выбор чехла и просмотр результата. Вычислительная обработка связана с веб-интерфейсом магазина.
В проекте использованы методы семантической сегментации и преобразования изображений. Для посетителя техническая часть скрыта за действием, понятным без подготовки: показать, как выбранный чехол будет выглядеть на его диване.
Результат
Создана онлайн-примерочная с обработкой пользовательского фото и визуализацией ткани на диване. Она даёт покупателю дополнительный способ проверить внешний вид товара до оформления заказа.
Подобный сценарий полезен интернет-магазинам, где выбор зависит от того, как материал выглядит на конкретном объекте: разработка ИИ на заказ.
Похожие кейсы
Машинное зрение
Разбор технических чертежей: 3,2 секунды на чертёж и точность 97%
Система извлекает параметры из PDF-чертежа, подсвечивает найденные значения и отдаёт их в CSV. В опубликованном примере: 3,2 секунды на чертёж и 97% точности извлечения.
Машинное зрение
Машинное зрение + LLM на промышленном объекте: выявлены хищения в пилоте
Пилот цифрового аудита на энергетическом объекте связывает камеры с проверкой транспорта, грузов и строительных работ. Выявлены четыре несанкционированных вывоза; материалы используются для отчёта службы безопасности.
Машинное зрение
Разработка модели по распознаванию и выделению контентной части документа
Система размечает однотипные документы, распознаёт их тип и заполняет электронную форму. В результатах разработки отдельно оценены поиск текста, OCR, классификация и распознавание содержимого.