30 秒速读
- 问题
- 穿衣这一步早已成熟，成片能不能用，取决于参考图和这套商品是不是同一种气质；对不上就会被退回。
- 我做了什么
- 把“气质是否协调”拆成可打分的维度，设计硬条件、加权评分与逐级放宽；模块之间只靠文件和数据表衔接，索引不达标就不发布。
- 结果
- 图库、打标、匹配、出片、审核与交付串成一条链，任何一步都能单独重跑；项目仍在分期推进。
先匹配，再生成 · 每一步可独立重跑
基于案例逻辑重绘的交互示意，非真实系统截图示例素材与状态
01 · 背景与目标
穿衣早就不是问题了，选图才是
把商品穿到模特身上这一步，在更早的项目里已经跑成熟。真正决定成片能不能用的，是参考图与这套衣服是否属于同一种视觉气质 —— 厚薄、季节感、背景深浅一旦对不上，生成得再干净也会被退回。
所以项目的重心被放在一套匹配引擎上：让机器替设计师完成初筛，人只保留季初的图库搭建和成片审核。阶段目标是一期自动化率 60%、二期 80%。
02 · 我的工作
我的工作：把“看着搭”变成可计算的规则
匹配设计
把气质是否协调拆成可打分的维度，设计硬条件、加权评分与逐级放宽策略。
数据契约
模块之间不互相引用，全部通过约定好的文件与数据表衔接，任何一步都能单独重跑。
质量兜底
索引按覆盖度校验后才发布，数据不合格就让链路停住，而不是带着残缺数据往下跑。
闭环交付
把审核结果接回重生流程，并让交付环节由目录改名自动触发，直到上传与通知完成。
03 · 生产链路
三条线并行，靠文件和表对接
取图与建库
按货季清单从企业云盘取回商品图包，另一条线批量产出参考图库，人工只审画质。
图库打标
对图库每张图分两次调用视觉模型，分别产出服装标签与场景构图标签，写入数据库。
索引发布
标签覆盖度达标才发布索引文件，不达标就不发布 —— 宁可这批不跑，也不让匹配拿到残缺数据。
匹配打分
先过硬条件，再加权打分，条件过严时逐级放宽，最后做一图一款分配，避免同一张参考图被反复使用。
生成与审核
匹配好的图对交给工作流出片，拷回共享盘并通知到人，设计师在需求表里勾选需要重做的款。
重生与交付
勾选的款自动重走匹配与生成；审核通过的目录被改名触发交付，扩图后整包上传并群内通知。
模块之间不互相引用，全部通过约定好的文件与数据表衔接 —— 任何一步都能单独重跑。
04 · 匹配漏斗
匹配是怎样一步步收窄的
- 图库候选已打好服装与场景标签
- 过硬条件不满足的直接排除
- 加权打分按气质维度排出高低
- 一图一款同一张参考图不反复使用
条件过严、一张都不剩时，逐级放宽再匹配，而不是空着
示意：依据匹配打分的规则说明，方块数量不代表实际数据。上文 60% / 80% 为分期目标，不是已达成的数值。
05 · 复盘与演进
让每一步都能单独重跑
已经解决
图库生产、打标、匹配、出片、审核与交付串成一条链，模块之间只靠文件和表衔接。
核心挑战
视觉气质本身缺少客观标准，规则要在“过严匹配不到”和“过松出片被退”之间反复校准。
下一步
继续提高初筛准确率，把人工保留的环节压到季初图库搭建与最终审核两处。