Виртуальная примерочная: как мы первыми запустили сервис VTO внутри экосистемы ВКонтакте

Главное о кейсе

Сотрудничество VK и ZeBrains началось с запроса на виртуальную примерочную. Ранее технологии виртуальной примерки сталкивались с типичными ограничениями: медленная генерация, искажения, корректная работа только на идеальных фигурах. Нам предстояло эти ограничения преодолеть.

Виртуальная примерочная ВКонтакте — mini-app ВКонтакте, где любой пользователь может примерить одежду 20+ российских брендов на своём фото, комбинировать образы и делиться ими в соцсетях.

1 секунда — и ты видишь себя в новом образе.
Без магазинов, очередей и разочарований.

– 60 959 человек примерили одежду на своих фото
– 97 203 запуска приложения
– 8,8 млн охватов для брендов
– 1 секунда на генерацию изображения с примеряемой вещью

Официальный пресс-релиз VK о запуске виртуальной примерочной: https://vk.company/ru/press/releases/11997/

Как проект изменил жизнь пользователей

Онлайн‑шоппинг одежды часто вызывает сомнения: сложно понять, как вещь будет выглядеть на человеке. Теперь — одна кнопка, одно фото и мгновенный результат на себе здесь и сейчас. Можно отправить подруге, поделиться в сторис или сразу оформить заказ.

29 936 человек уже живут в этой реальности. Житель Екатеринбурга за две минуты примеряет пять джинсов — раньше это требовало похода в торговый центр или примерочную маркетплейса, часто с предоплатой. Девушка из Новосибирска примеряет худи московского бренда, не выходя из дома, без ненужных заказов и ожидания курьера. Мама выбирает подарок дочери, примеряя на ее фото — и попадает в размер с первого раза.

Каждая генерация — это реальный контакт человека с брендом. Не реклама. Не догадка. Личный опыт.

Бизнес-задача и ее решение

На фоне взрывного роста fashion-AI (объём рынка — $39,7 млрд к 2033 году) лидеры рынка искали способ сделать онлайн-шопинг безопасным и предсказуемым. Технология виртуальной примерки казалась решением, но никто не смог реализовать её массово:
– модели генерировали по 5 минут,
– искажали тела,
– требовали идеальных поз,
– не масштабировались.

Задача:
Создать внутри ВКонтакте mini-app, который поможет пользователям увидеть, как одежда выглядит именно на них — до покупки, а брендам — сократить возвраты и повысить конверсию за счёт уверенности покупателей.

Наша цель:
Сделать виртуальную примерочную, которая:
– работает мгновенно (1 секунда на генерацию),
– даёт реалистичный результат для разных типов телосложения,
– встроена в экосистему VK для миллионов пользователей,
становится новым каналом вовлечения и узнаваемости брендов.

Результат:
Мы создали работающий сервис виртуальной примерки внутри VK, который обеспечивает мгновенную генерацию и удобный пользовательский интерфейс. Приложение стало дополнительным каналом взаимодействия брендов с аудиторией.

Крафт (мастерство), реализация, технические детали

Проект начинался с нуля — на рынке не было готовых решений, соответствующих всем требованиям и задачам.

1 этап R&D. Провели глубокое исследование и PoC:
– протестировали доступные SOTA-модели VTO,
– разработали собственные гипотезы и пайплайны генерации,
– сократили latency с 5 минут до 1 секунды,
– создали веб-прототип для тестирования.

2 этап MVP. Построили mini-app в экосистеме VK, где пользователь может:
– выбрать одежду (верх/низ),
– примерить её онлайн в один клик,
– изменить объект примерки,
– поделиться результатом,
– бренды получают аналитику и административную панель.

3 этап Enhancement. Мы превратили прототип в продукт:
– добавили брендзоны и автоматический импорт товаров,
– реализовали смену пола и удаление пользовательских данных,
– внедрили мониторинг и аналитику,
– провели полную оптимизацию пайплайна и интеграцию с реальной витриной.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

1. «Проблема анатомии» как индикатор качества датасета
На ранних этапах столкнулись с нетривиальной проблемой: при примерке мужчинами одежды алгоритм добавлял женские анатомические особенности.

Это стало моментом понимания. Проблема не в алгоритме — в данных. Без собственного сбалансированного датасета качественного VTO не создать.

Наше решение:
Разметили собственный сбалансированный датасет с разными типами телосложения, полом, позами. Научили модель работать с реальными людьми, а не только подиумными моделями.


2. Скорость — это эмоциональный параметр, не технический
Сначала достигли 5 минут и считали это приемлемым результатом для AI-задачи. Пользовательское тестирование показало: даже 30 секунд критически снижают вовлеченность. Это неприемлемо для пользовательского опыта.

Наше решение:
Пришлось полностью переосмыслить архитектуру. Оптимизировали диффузионную модель, используя LoRA для тонкой настройки. Отказались от ControlNet после экспериментов — он замедлял процесс без значимых улучшений. Построили архитектуру из 10 микросервисов: orchestrator, preprocessor, human parser, mask generator, latent encoder, diffuser, launcher, keypoint detector, prompt embedder, image embedder.

С 5 минут до 1 секунды. В 300 раз быстрее.


3. Комбинирование брендов — ключевая функция
Планировали, что пользователи будут примерять образы одного бренда целиком. Оказалось — возможность сочетать верх одного бренда с низом другого стала главным преимуществом. Пользователи создают уникальные образы и делятся ими значительно активнее.

Это изменило позиционирование: не «примерочная конкретного бренда», а «платформа для экспериментов».


Командная динамика:
Быстро меняющиеся технологии и параллельная работа с внутренними департаментами VK требовали гибкости. Мы внедрили короткие спринты, прямую связь между ML-инженерами и дизайнерами и наладили тестирование в реальном времени.


Итог — не просто стабильный сервис, а путь от идеи к устойчивому продукту, который объединил AI, fashion и социальную механику в одном интерфейсе.

Скриншоты