为什么值得关注

该仓库展示了生产级微服务架构的虚拟试衣方案，包含结果缓存、自动清理和GPU健康检查，并通过参数搜索实验在不损失质量的前提下提升了推理速度。

适合谁使用

构建虚拟试衣或类似图像生成服务的开发者
探索AI服装可视化的电商公司
从事时尚领域扩散模型应用的机器学习工程师
实现包含GPU推理的生产级微服务的学生或团队

典型使用场景

在线零售：允许顾客在购买前预览服装穿在自己照片上的效果
时装设计：可视化新衣服在不同体型上的效果
个性化购物体验：为用户生成定制试衣结果
为品牌目录搭建虚拟试衣间原型

项目优势

微服务架构，职责清晰（前端、API、生成器、工作节点）
通过SHA-256哈希实现结果缓存，避免重复推理
自动清理超过24小时的用户图片，增强隐私保护
工作节点启动时进行GPU快速失败检查，防止静默错误

使用前须知

推理需要至少8 GB显存的GPU
仅集成IDOL品牌目录，非通用解决方案
仅使用CPU推理极其缓慢，仅适用于调试

README 快速开始

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

summer-practice-repack