DressCode: Google’un AI’sıyla Hava Durumuna Göre Stilleriniz Otomatik Oluşuyor

Günlük yaşamın koşturmacasında, sabahları giysi seçmeye harcayacağımız zaman ve zihinsel enerji, hepimizin ender olarak bütçelendirdiği bir lüks. Hava durumu tahminleriyle uyumlu, tarzınıza ve renk skalalarınıza sadık kalacak şekilde tasarlanmış outfit'leri anında öneren bir yapay zeka destekli stilist hayal edin. İşte DressCode, Google’ın Gemma 4 modeline dayanan ve giysi fotoğraflarınızı analiz ederek sizin adınıza en uygun outfit’leri oluşturan yenilikçi bir uygulama.

Giysi Analizinden Hava Tahminine: Akıllı Stilin Arkasındaki Teknoloji

DressCode’un temelinde, Google’ın Gemma 4 modeli yer alıyor. Uygulama, giysilerinizi fotoğraflarınızla yüklediğinizde, her parça için ayrıntılı bir analiz gerçekleştiriyor. Bu analizde elbisenin rengi, deseni, malzemesi, tarzı ve hangi mevsimlere uygun olduğu gibi kritik bilgiler otomatik olarak tanımlanıyor.

• Giysi tanıma: Bluz, pantolon, ceket, elbise gibi kategorilerdeki parçalar ayrıştırılıyor.
• Renk ve desen analizi: Her giysinin baskın renkleri (örneğin, koyu mavi, sıcak bej) ve deseni belirleniyor.
• Mevsim ve hava uygunluğu: Giysinin soğuk havalara mı, sıcak havalara mı, yoksa ilkbahar/sonbahar geçişlerine mi uygun olduğu sınıflandırılıyor.
• Stil ve formellik derecesi: Resmi bir toplantı için mi, yoksa günlük bir gezi için mi giyileceğini anlayabilen bir sistem sunuluyor.

Bu veriler ışığında, uygulama kullanıcının gardırobunu dijital olarak haritalandırıyor ve gelecek günün hava tahminine göre en uygun outfit’leri öneriyor.

Hava Tahminine Dayalı Mükemmel Outfit Önerileri

DressCode’un en dikkat çekici özelliklerinden biri, hava durumu tahminine göre outfit önerisi sunabilmesi. Uygulama, kullanıcının belirlediği tarih ve saate göre hava koşullarını analiz ediyor ve buna uygun giysileri bir araya getiriyor. Örneğin:

• Yağmurlu bir günde: Su geçirmez bir ceket, şemsiyeye uygun bir ayakkabı ve renk uyumuna dikkat edilmiş bir outfit.
• Sıcak bir öğleden sonra: Hafif kumaşlardan oluşan, nefes alan bir kombin.
• Serin bir akşam: Kat kat giyilebilir, sıcak tutan parçalardan oluşan bir tarz.

Tüm bunlar, kullanıcının gardırobundaki giysilerin birbirleriyle renk ve stil uyumuna da dikkat edilerek yapılıyor. Böylece, hem hava koşullarına uygun hem de estetik açıdan tatmin edici outfit’ler ortaya çıkıyor.

Teknik Altyapı: Gemma 4 ve Yapılandırılmış Veri Modellemesi

DressCode’un arkasındaki teknoloji, yapılandırılmış veri çıktıları ve Pydantic şemaları kullanılarak inşa edilmiş durumda. Giysi fotoğrafları analiz edilirken, modelden alınan çıktı JSON formatında ve önceden tanımlanmış bir şema doğrultusunda oluyor. Bu sayede, uygulama giysileri veri tabanına eklerken herhangi bir manuel düzenleme yapmaya gerek kalmıyor.

Örneğin, giysi analizi için kullanılan Python betiği aşağıdaki gibi çalışıyor:

from google import genai
from dotenv import load_dotenv
from google.genai import types
from pydantic import BaseModel, Field
from typing import List

load_dotenv()

# Tek bir giysi parçasının yapısını tanımlama
class ClothingItem(BaseModel):
    name: str = Field(description="Giysi parçasının adı ya da kısa tanımı")
    category: str = Field(description="Kategori: Üst, Alt, Dış Giyim, Ayakkabı")
    color_palette: str = Field(description="Renk paleti, örn. Deniz Mavisi, Sıcak Bej")
    seasonality: str = Field(description="Mevsim uygunluğu, örn. Ağır Kış, Hafif İlkbahar")
    style_vibe: str = Field(description="Stil, örn. Resmi, Günlük, Sokak Modası")
    location_in_image: str = Field(description="Görüntüdeki konumu, örn. [200, 123, 1000, 1000]")

# Tüm giysilerin yer aldığı listeyi tanımlama
class ClosetAnalysis(BaseModel):
    clothes: List[ClothingItem]

# Google AI istemcisini başlatma
client = genai.Client()
image_path = "giysi_fotografi.jpg"

with open(image_path, "rb") as f:
    image_bytes = f.read()

response = client.models.generate_content(
    model="gemma-4-26b-a4b-it",
    contents=[
        types.Part.from_bytes(
            data=image_bytes,
            mime_type="image/jpeg",
        ),
        "Bu görüntüdeki giysi parçalarını analiz et ve verilen şemaya sıkı sıkıya bağlı kalarak katalogla.",
    ],
    config=types.GenerateContentConfig(
        response_mime_type="application/json",
        response_schema=ClosetAnalysis,
    ),
)

print(response.text)

Bu yapı sayesinde, uygulama giysilerinizi otomatik olarak veri tabanına kaydediyor ve gelecekteki outfit önerilerinde kullanıyor. Böylece, kullanıcının her seferinde giysi eklemek veya manuel olarak tanımlamak zorunda kalmaması sağlanıyor.

Gelecekteki Gelişmeler ve Kullanıcı Deneyimi

DressCode, sadece mevcut giysilerinizi analiz etmekle kalmıyor, aynı zamanda gelecekteki alışveriş kararlarınızı da yönlendirebilecek bir potansiyele sahip. Örneğin, kullanıcılar eksik olan bir giysi parçası için öneriler alabilir ya da yeni bir giysi satın alırken hava koşullarına ve stil uyumuna göre en iyi seçimi yapmalarına yardımcı olabilir.

Uygulamanın geliştirilmesiyle birlikte, giysi önerilerinin kişiselleştirilmesi ve hatta komşu giysilerle stil uyumunun daha da iyileştirilmesi planlanıyor. Böylece, DressCode sadece bir outfit öneri aracı olmanın ötesine geçerek, kullanıcıların gardırobunu akıllı bir şekilde yönetmelerine yardımcı olacak bir platform haline gelecek.