에이클로젯 같은 서비스 제작하기: 의류 사진 분류·날씨별 코디·착장 기록 제작법

핵심 요약

1. 의류 사진을 정리한 디지털 옷장에서 날씨와 상황에 맞는 코디와 착장 기록을 만듭니다. 2. OpenAI Vision·Photoroom API·Open-Meteo API와 생성 모델을 기능별로 연결합니다. 3. 옷 속성 확인, 보유 의류 조합 규칙, 추천과 실제 착용의 구분, 통계 계산은 자체 구현합니다.

에이클로젯의 기능에서 참고할 가치는 이미 가진 옷을 찾고 조합하며 활용하는 경험입니다. 디지털 옷장 앱 개발에서는 사진을 예쁘게 정리하는 기능과 실제 보유한 옷으로 추천하는 기능이 연결돼야 합니다. 아래는 AI 코디 추천 서비스 만들기의 구현 구성입니다.

옷 사진 등록과 배경 제거하기

입력은 사용자가 촬영한 의류 사진입니다. Photoroom API를 옷 사진 배경 제거 기능의 후보로 사용할 수 있습니다. 자체 코드는 파일 형식과 크기를 확인하고 원본과 처리 결과를 같은 의류 ID에 연결합니다.

얇은 끈이나 밝은 색 옷의 경계가 잘리지 않았는지 원본과 비교할 수 있게 합니다. 배경 제거가 잘되지 않으면 다시 촬영하거나 결과를 교체할 수 있도록 합니다. 출력은 등록할 의류 이미지이며 원본을 보존해 나중에 다른 방식으로 처리할 수 있게 합니다.

의류 종류와 색상 후보 분류하기

입력은 등록한 사진과 사용자가 제공한 정보입니다. OpenAI Vision으로 상의·하의 등 종류와 관찰되는 색상·형태의 후보를 정리할 수 있습니다. 사진만으로 확정하기 어려운 소재나 계절 적합성은 사용자가 수정하도록 합니다.

의류 자동 분류 결과는 자체 분류 체계에 맞춰 저장합니다. 같은 옷을 여러 번 촬영한 경우 중복 후보를 보여주고 최종 선택은 사용자가 하도록 합니다. 출력은 확인한 속성과 이미지가 연결된 옷장 항목이며 삭제·수정된 항목은 추천 목록에도 반영합니다.

날씨별 코디 추천 만들기

입력은 옷장 목록과 날짜·지역, 외출 목적과 취향입니다. Open-Meteo API로 날씨 데이터를 조회하고 OpenAI API에 보유 의류와 조건을 전달해 조합 후보를 생성할 수 있습니다. 상업 이용 조건과 출처 표시, 예보의 기준 시각을 함께 관리합니다.

내 옷으로 코디 추천을 구현할 때 자체 코드는 존재하는 의류 ID만 사용했는지 검사합니다. 세탁 중이거나 사용자가 제외한 옷은 후보에서 빼고 서로 필요한 종류가 빠졌는지도 확인합니다. 출력은 선택할 수 있는 코디와 추천 이유이며 날씨 데이터가 오래됐으면 그 시각을 표시합니다.

착장 캘린더와 실제 착용 기록 연결하기

입력은 사용자가 선택한 코디와 날짜, 실제 착용 여부입니다. 자체 캘린더 UI에서 예정된 코디와 실제 입은 옷을 구분해 저장합니다. 추천을 받았다는 이유만으로 착용 횟수를 올리지 않도록 상태를 나눕니다.

사용자가 과거 기록을 수정하면 관련 의류의 통계도 다시 계산합니다. 날짜와 시간대, 같은 날 여러 착장의 처리 규칙을 정하면 기록이 일관됩니다. 출력은 날짜별 착장과 의류별 이력이며 사용자가 기록을 삭제하면 통계에도 반영합니다.

옷 착용 횟수 관리와 추천 개선하기

입력은 확정된 착용 이력과 옷장 목록입니다. 자체 집계 코드로 기간별 착용 횟수와 마지막 착용일 등을 계산합니다. 아직 기록이 적은 옷과 실제로 오랫동안 입지 않은 옷은 구분해서 표시합니다.

사용자가 좋아하거나 제외한 조합은 다음 추천 조건에 반영할 수 있습니다. 취향 정보와 사진의 보관·삭제 범위를 명확히 하고 다른 사용자의 옷장에 접근하지 못하게 합니다. 필요한 코디 조건과 기록 방식을 정리해 트램스 AI에 제작을 문의해 주세요: https://trams.co.kr/ai-si/contact/#inquiry