素晴らしいショッピング体験は、「これが私にどう見えるか?」という個人的な質問に答えてくれます。
SPREEAI はその答えを明らかにします。 1 枚の写真が、自分自身の衣服を探索する手段となり、画像をリアルに感じさせるディテールと親しみやすさが得られます。
その瞬間の背後には、長年にわたる研究、慎重なエンジニアリング、そして遅れないように構築されたインフラストラクチャがあります。 Lambda とのコラボレーションは、これらの部分を統合するのに役立ちます。
あらゆる細部が信頼を獲得します。
袖の落ち方。襟の形。お気に入りの服に刻まれた文字。小さなディテールには、大きな意味が込められている。
当社の仮想試着モデルは、ポーズ、生地、アイデンティティ、衣服の詳細を 1 世代のプロセスに組み込みます。人を認識できる要素と衣服の特徴を維持しながら、衣服が体や位置によってどのように変化するかを理解するように訓練されています。
フォトリアリズムが私たちに求めるのは、まさにそれだ。技術が目に見えない部分であっても、あらゆるレベルで細やかな配慮をすること。
より優れたエンジニアリング。創造する余地がさらに広がります。
当チームは、Lambda社の機械学習エンジニアと協力し、トレーニングデータの保存方法、実験のスケジュール設定方法、およびLambda社のNVIDIA H100インフラストラクチャにおけるコンピューティングリソースの使用方法を改善しました。
Lambda の最新のケーススタディでは、ストレージ コストが 30 分の 1 以上削減され、モデルの FLOP 使用率が約 20% から 43% に増加したと報告しています。これは、利用可能なコンピューティングがどれだけモデルの作業に役立つかを示す指標です。試着ごとの推論時間は 23 秒から 10 秒未満に短縮されました。
当社のエンジニアにとって、これはテストと改良の能力が向上することを意味します。買い物客にとっては、外観を確認するまでの待ち時間が短縮されることを意味します。
次に何が起こるか見てみましょう。
私たちは、重ね着スタイルやビデオ試着など、より豊かなファッション体験を提供できるよう取り組んでいます。その目標はシンプルです。人々がどこで買い物をしても、自分が何を選んでいるのかをより明確に理解できるようにすることです。
Lambda を探索する 顧客事例 そして 技術的な詳細分析 その体験の裏側にある取り組みをより詳しく知りたい場合は、こちらをご覧ください。



