MoonshotAI
Featured
Kimi-K3
Kimi K3 is an open-weight, 2.8T-parameter native multimodal agentic model with a 1M-token context window, designed for frontier coding, knowledge work, and reasoning tasks.
summer-practice-repack
A virtual try-on service where users upload a photo and select a garment from the IDOL brand catalog to generate a realistic image of themselves wearing it, powered by the FASHN VTON v1.5 diffusion model.
Stars
5
7-day growth
No data
Forks
0
Open issues
0
License
No data
Last updated
2026-07-28
AI repository intelligence
FR-AI / ANALYSISWhy it is worth attention
It demonstrates a production-ready microservice architecture for virtual try-on with caching, automatic cleanup, and GPU health checks, along with a parameter search experiment that improved inference speed without quality loss.
Who it is for
- Developers building virtual try-on or similar image generation services
- E-commerce companies exploring AI-based garment visualization
- ML engineers working with diffusion models for fashion applications
- Students or teams implementing production-grade microservices with GPU inference
Use cases
- Online retail: allow customers to preview clothing on their own photos before purchase
- Fashion design: visualize how a new garment looks on different body types
- Personalized shopping experiences: create custom try-on results for users
- Prototyping virtual fitting rooms for brand catalogs
Strengths
- Microservice architecture with clear separation of concerns (frontend, API, generator, worker)
- Result caching via SHA-256 hashing avoids redundant inference
- Auto-cleanup of user images older than 24 hours enhances privacy
- Fail-fast GPU validation at worker startup prevents silent failures
Considerations
- Requires a GPU with at least 8 GB VRAM for inference
- Only integrated with the IDOL brand catalog; not a generic solution
- CPU-only inference is extremely slow and only suitable for debugging
README quick start
Виртуальная примерка одежды (VTON)
Сервис виртуальной примерки: пользователь загружает свою фотографию, выбирает вещь из каталога бренда IDOL и получает сгенерированное изображение себя в этой вещи. Генерация — локальный инференс диффузионной модели FASHN VTON v1.5 на GPU.
Проект разработан в рамках производственной практики.
Как это устроено
Микросервисы в Docker Compose:
| Сервис | Технология | Порт | Роль |
|---|---|---|---|
frontend | React + Vite, nginx | 5173 | Примерочная и демо-карточка товара (подробнее) |
vton_backend | FastAPI | 8000 | Клиентский API: валидация фото, каталог, задачи, выдача результатов |
vton_generator | FastAPI | 8001 | Координатор: регистрирует задачи в очереди Celery |
vton_celery_worker | Celery | — | Инференс FASHN VTON на GPU |
vton_postgres | PostgreSQL 15 | 5432 | Каталог товаров и метаданные задач |
vton_redis | Redis 7 | 6379 | Брокер сообщений Celery |
Путь запроса: фронтенд отправляет фото и id вещи → бэкенд валидирует файл
(JPG/PNG, до 10 МБ), скачивает изображение товара из каталога, создаёт задачу в БД
и передаёт её генератору → генератор ставит задачу в Celery → воркер запускает
пайплайн и сохраняет результат → фронтенд забирает готовую картинку, опрашивая
статус. Изображения между контейнерами передаются не по сети, а через общий том
./media, смонтированный во все сервисы как /app/media.
Что ещё умеет бэкенд:
- Кэш результатов. Перед запуском инференса считаются SHA-256-хэши обоих изображений; если такая пара с той же категорией уже успешно обработана — результат возвращается мгновенно.
- Автоочистка. Фоновая служба раз в час удаляет из
media/файлы старше 24 часов — фотографии пользователей не хранятся дольше суток. - Fail-fast проверка GPU. Воркер при старте проверяет CUDA, библиотеки cuDNN и CUDAExecutionProvider в ONNX Runtime и падает с внятной ошибкой, если GPU-окружение сломано, — а не на первом запросе пользователя.
Запуск
Понадобятся Docker с Compose, NVIDIA Container Toolkit и веса модели
в ./weights (монтируются в воркер read-only).
docker compose up --build
- Примерочная: http://localhost:5173
- Swagger UI бэкенда: http://localhost:8000/docs
Для разработки без GPU воркер можно запустить с VTON_REQUIRE_GPU=false
(инференс на CPU медленный — только д
Related repositories
Similar projects matched by category, topics, and programming language.
lopopolo
Featured
harness-engineering
Harness Engineering is a methodology for improving coding agent outputs by carefully crafting the environment around them—providing curated context, tools, and executable constraints that encode an organization’s nonfunctional requirements and cumulative lessons.
slvDev
Featured
esp32-ai
A 28.9 million parameter language model runs on an $8 ESP32-S3 microcontroller entirely on-device, generating simple stories at about 9.5 tokens per second.