AWS 생성형 AI 기반 소매업 가상 피팅 솔루션 도입

주장온라인 소매업체는 가상 피팅 기술을 도입하여 고객의 구매 확신을 높이고 반품률을 줄여야 합니다. 이는 온라인 쇼핑의 한계를 극복하고 오프라인과 유사한 몰입형 경험을 제공하여 수익성을 개선하는 핵심 전략입니다.

팩트아마존 웹 서비스(AWS)는 아마존 노바 캔버스(Amazon Nova Canvas), 아마존 레코그니션(Amazon Rekognition), 아마존 오픈서치 서버리스(Amazon OpenSearch Serverless)를 결합한 가상 피팅 및 추천 솔루션을 제공합니다. 이 솔루션은 고객이 제품을 착용한 모습을 시각화하고, 자연어 검색과 시각적 유사성을 기반으로 한 스마트 추천 기능을 지원합니다.

팩트데이터 분석 및 통찰력 확보를 위해 아마존 다이나모DB(Amazon DynamoDB)를 활용하여 고객의 상호작용과 선호도를 추적합니다. 소매업체는 이를 통해 재고 관리와 상품 기획 단계에서 데이터에 기반한 의사결정을 내립니다.

팩트전체 아키텍처는 AWS 서버리스 인프라를 기반으로 구축되어 확장성이 뛰어나며 모듈형 설계를 채택했습니다. 각 기능은 독립적으로 배포하거나 전체 솔루션을 통합하여 사용할 수 있어 유연한 운영이 가능합니다.

팩트솔루션 배포에는 AWS 서버리스 애플리케이션 모델(AWS SAM)을 사용하며, 단일 명령어로 인프라를 구축합니다. 또한 API 게이트웨이(API Gateway) 캐싱과 예약된 동시성 제한을 통해 성능을 최적화하고 리소스 경합을 방지합니다.

교차검증기본 배포 상태에서는 API 게이트웨이 엔드포인트에 인증 기능이 포함되어 있지 않습니다. 실제 운영 환경에 적용하려면 아마존 코그니토(Amazon Cognito) 등을 활용한 인증 체계와 아마존 레코그니션을 이용한 콘텐츠 검열 절차를 반드시 구현해야 합니다.

팩트솔루션 배포를 위해서는 AWS 계정, AWS CLI, 파이썬(Python) 3.9 이상, AWS SAM CLI 1.50.0 버전 이상이 필요합니다. 권장 배포 지역은 미국 동부(us-east-1)이며, 다른 지역 사용 시 아마존 베드록(Amazon Bedrock) 모델 지원 여부를 사전에 확인해야 합니다.

팩트아마존 베드록의 파운데이션 모델인 아마존 노바 캔버스와 아마존 타이탄 임베딩스(Amazon Titan Embeddings)는 계정에서 처음 호출될 때 자동으로 활성화됩니다. 초기 사용 시 모델 프로비저닝을 위해 약간의 지연 시간이 발생합니다.

팩트개발자는 깃허브(GitHub) 저장소에서 코드를 복제한 뒤, 리콰이어먼츠(requirements.txt)를 통해 필요한 패키지를 설치하고 샘 빌드(sam build) 및 샘 디플로이(sam deploy) 명령어를 통해 솔루션을 배포합니다. 배포 과정에서 생성되는 샘컨피그(samconfig.toml) 파일은 향후 일관된 배포 환경을 유지하는 데 사용됩니다.

출처아마존 웹 서비스의 머신러닝 블로그(https://aws.amazon.com/blogs/machine-learning/transform-retail-with-aws-generative-ai-services/) 및 관련 깃허브 저장소(https://github.com/aws-samples/sample-genai-virtual-tryon.git)를 교차 검증했습니다.