TrendGen: An Outfit Recommendation and Display System

1. Problema e Contexto

O artigo aborda os desafios na aplicação de Inteligência Artificial (IA) no setor de moda, especificamente em plataformas de e-commerce. Embora avanços recentes em Visão Computacional tenham melhorado a compreensão de imagens, a aplicação prática enfrenta barreiras significativas devido à qualidade das imagens brutas (raw images).

• Desafios Principais: Imagens de produtos frequentemente contêm modelos humanos, fundos desordenados, iluminação inconsistente, ângulos não ideais e oclusões (ex: cabelo ou membros cobrindo a roupa).
• Limitações de Métodos Existentes: Abordagens anteriores focam em dados curados em condições controladas, falhando em capturar a complexidade do mundo real. Além disso, muitos sistemas de recomendação dependem de descrições de texto bruto (que contêm detalhes não essenciais) ou apenas de imagens de modelos, o que resulta em recomendações de conjuntos (outfits) subótimas e falta de diversidade nas sugestões.

2. Metodologia: O Sistema TrendGen

O TrendGen é um sistema de IA completo, implantado em uma grande plataforma de e-commerce, projetado para transformar a experiência de compra online. O sistema opera em três etapas principais:

A. Motor de Atribuição de Produtos (Product Attribution Engine)

• Objetivo: Extrair atributos estruturados (categoria, cor, tipo de bainha, comprimento da manga, etc.) a partir de imagens de roupas vestidas por modelos e títulos de produtos.
• Tecnologia: Utiliza o Fashion-CLIP (uma versão adaptada do modelo CLIP para moda) para gerar embeddings multimodais que combinam informações visuais e textuais.
• Classificação: Esses embeddings são alimentados em um classificador neural (com camadas densas, PReLU e Dropout) para prever com precisão os atributos do produto, superando modelos que tratam imagem e texto separadamente.

B. Modelo de "Virtual Try-Off" (Geração de Imagens de Roupas Estendidas)

• Objetivo: Converter imagens de roupas vestidas por humanos (com modelos e fundos complexos) em imagens de "lay-down" (roupas estendidas/planas), limpas e estruturadas.
• Tecnologia: Utiliza um Modelo de Difusão Latente (LDM) baseado na variante de inpainting do Stable Diffusion v1.5.
• Inovação: Diferente de modelos que usam prompts de texto, o TrendGen utiliza uma máscara de tecido (binary cloth mask) como guia condicional. Isso elimina a ambiguidade de prompts textuais e remove a necessidade de codificadores de texto, focando puramente na reconstrução da peça de roupa.
• Treinamento: O modelo é ajustado (fine-tuned) usando pares de imagens (roupa vestida vs. roupa estendida) do dataset VITON-HD e dados proprietários. Apenas os blocos de transformer do U-Net são ajustados para otimizar recursos e desempenho.

C. Motor de Recomendação de Conjuntos (Outfit Recommendation Engine)

• Objetivo: Gerar conjuntos completos e coesos (tops, bottoms, acessórios) que sejam esteticamente compatíveis e diversos.
• Arquitetura: Baseada em uma rede TripletNet com função de perda Triplet Loss.
  • Embeddings: Combina a imagem da roupa (estendida) e seus atributos textuais para criar representações vetoriais robustas.
  • Aprendizado: O modelo aprende a aproximar itens compatíveis (positivos) e afastar itens incompatíveis (negativos) no espaço de embeddings.
  • Geração de Negativos: Utiliza regras de design de moda de especialistas (ex: evitar múltiplas peças multicoloridas) para criar amostras negativas semanticamente significativas.
• Algoritmo STYLERANK: Para garantir a diversidade e evitar repetição excessiva de produtos, o sistema implementa um algoritmo de reclassificação. Ele pondera a compatibilidade estética (baseada em k-NN nos embeddings) com a frequência histórica de aparição do produto em recomendações anteriores, selecionando conjuntos variados.

3. Contribuições Principais

1. Sistema de Atribuição Preciso: Propõe um sistema de atribuição de produtos simples e preciso, utilizando a sinergia entre imagem e texto via Fashion-CLIP.
2. Geração de Try-Off com Difusão: Apresenta um modelo de Difusão Latente (LDM) de última geração para a tarefa de "Virtual Try-Off" (transformar roupa vestida em roupa estendida), utilizando máscaras em vez de texto para maior precisão.
3. Recomendação Diversificada: Desenvolve um motor de recomendação que não apenas busca compatibilidade estética, mas também otimiza a diversidade dos conjuntos sugeridos através do algoritmo STYLERANK.
4. Validação em Produção: Realiza experimentos em dados reais de produção, analisando cada componente isoladamente e o desempenho do sistema end-to-end.

4. Resultados e Avaliação

O sistema foi avaliado quantitativa e qualitativamente em datasets públicos (VITON-HD) e proprietários:

• Atribuição de Produtos: O sistema proposto (Fashion-CLIP + Classificador) alcançou 92,3% de precisão geral, superando significativamente o uso isolado do Fashion-CLIP (73,8%) ou combinações de CNN/NLP tradicionais (89,1%). A precisão na classificação de divisão (ex: Tops, Bottoms) foi de 99,6%.
• Virtual Try-Off: O modelo superou métodos recentes como TryOffDiff e MGT em métricas de fidelidade visual, especialmente no DISTS (21,01 vs 23,0 do TryOffDiff) e LPIPS (17,22 vs 32,4), indicando imagens geradas mais realistas e perceptualmente precisas.
• Recomendação de Conjuntos: A abordagem que utiliza imagens estendidas e atributos estruturados alcançou 91,3% de precisão na avaliação de especialistas, comparado a 75,2% do OutfitTransformer (baseline) e 79,8% quando usado apenas com imagens brutas e texto.
• Impacto no Negócio (A/B Testing): Após 3 meses de implantação:
  • Aumento de 6,60% na Receita por Visita (RPV).
  • Aumento de 5,61% na Taxa de Conversão (CVR).
  • Aumento de 8,2% na Taxa de Cliques (CTR).
  • Aumento de 6,62% na Margem Líquida por Visita, sem comprometer a margem do produto.

5. Significado e Conclusão

O TrendGen representa um avanço significativo na interseção entre IA generativa e varejo de moda. Ao resolver o problema da qualidade das imagens de entrada (transformando fotos de modelos em vistas planas limpas) e ao integrar atributos semânticos robustos na recomendação, o sistema supera as limitações de abordagens anteriores que dependiam de dados não curados.

A principal contribuição do trabalho é a demonstração de que um pipeline de IA completo, que inclui pré-processamento de imagem via difusão e recomendação baseada em aprendizado de métricas com restrições de diversidade, pode ser implantado com sucesso em escala industrial, gerando valor tangível tanto para a experiência do usuário quanto para os resultados financeiros da empresa. O sistema prova que a personalização inteligente e a apresentação visual de alta qualidade são catalisadores diretos para o crescimento de vendas no e-commerce de moda.