Зайдите в любое место продажи обоев и вы увидите задумчивых людей, гуляющих между полок. Они решают сложную мыслительную задачу: представить, как будет выглядеть помещение после ремонта лишь по одному рулону на витрине. С помощью технологии Wizart результат можно увидеть сразу на экране телефона, направив камеру на стену и примерив понравившиеся обои. CEO стартапа Василий Яворчук рассказал, как удалось создать решение, за которым клиенты приходят сами.
Startup Jedi
Мы общаемся со стартапами и инвесторами, а вы перенимаете опыт.
В IT я уже больше 20 лет. В 99-м закончил Гродненский университет по специальности математик-экономист и пошел работать программистом в банк. Потом стал партнером в начинающей аутсорс-компании, был руководителем проектов, возглавлял компании Intexsoft и Exposit — аутсорс разработка, сделали больше двухсот проектов для клиентов из 60 стран.
Среди них были совершенно разные — от разработки игр до внедрения ERP-систем на крупных предприятиях. Опыта в технологиях и практики управления у меня накопилось столько, что стало даже немного скучно. Так созрело желание сделать что-то интересное и технологически новаторское.
Я прошел программу Практикум для директоров в Сколково, чтобы найти новые смыслы и задачи для себя. И как раз в то время один из наших клиентов — крупный дистрибьютор обоев из Канады — пожаловался, что есть решения для визуализации красок на фото клиента, но нет такого же, способного в реалистичном интерьере менять обои.
Идея мне и моим коллегам по Exposit показалась интересной. Мы копнули глубже и выяснили, что теоретически может существовать способ решения этой задачи с помощью нейросетей. Мы за пару месяцев состряпали на коленке прототип и поехали с ним на большую отраслевую выставку в Москве, показали его нескольким десяткам компаний.
Тут, что называется, попали в точку: часть производителей обоев, в особенности немецкие, уже давно и безуспешно пытались найти решение для визуализации обоев в готовом интерьере. Мы увидели спрос, который никто не мог удовлетворить.
Направление точно стоило развивать, я начал формировать команду для разработки Wizart. В нее вошли мои коллеги из Exposit, также наняли несколько человек с потрясающей экспертизой в машинном обучении, управлении продуктом и продажах. Сейчас в команде Wizart 22 человека. Ко всем мне в свое время пришлось
применить немало обаяния, чтобы убедить их участвовать в проекте ранней стадии со смутными перспективами. Сейчас, наверное, никто из них не жалеет — делаем мы архиинтересное дело и по всем признакам востребованное.
...
Достаточно сделать фото своего интерьера и выбрать интересный вид финишного покрытия из каталога в приложении. Система автоматически заменит обои на понравившееся покрытие и сразу будет понятно, насколько они подходят к интерьеру.
Мы стремились максимально упростить процесс для пользователя. Не нужно делать никаких разметок пространства, ничего дополнительно настраивать. Просто загрузил картинку и получил результат.
Чтобы добиться такого результата, нужно из обычной двухмерной фотографии помещения создать его трехмерную модель. У нас это делает конвейер из нейросетей, каждая из которых выполняет свою часть работы.
Если упростить, то алгоритм такой: сначала определяем геометрию помещения, где углы, стены, пол и потолок. Дальше определяем, где в этой геометрии находится наблюдатель, под каким углом он смотрит на каждую из стен. Еще важно отыскать направление падения света и расположение его источников, чтобы выдать реалистичную картину.
На этом этапе мы получаем модель помещения с балансом белого, положением наблюдателя, расположением источников света и другой информацией. После этого мы пересобираем модель уже с новой текстурой на стенах или полу, которую и видит пользователь в приложении. Вычисления происходят на облачном сервере или прямо на мобильном устройстве. У нас есть приложения для iOS и Android, а также веб-клиент.
...
Мы начали разработку Wizart три года назад. Тогда технологии компьютерного зрения были развиты намного слабее, чем сегодня. Многих решений просто не было, мы делали их сами с нуля. Не было платформ, не было датасетов, не было специалистов.
Поэтому по пути нам понадобилось провести много исследований, чтобы понять, что вообще возможно реализовать технически. Обращались к работам исследователей из технических университетов и придумывали способы приложить их наработки к нашему контексту. В процессе мы создали новые практики в машинном обучении, до нас такого никто не делал.
Понадобилось больше двух лет, чтобы создать нашу авторскую технологию компьютерного зрения. Состоит она из сложного набора нейронных сетей разного типа и алгоритмов, каждый из которых решает отдельную математическую задачу по преобразованию двумерного фото и показаний датчиков устройства в трехмерную сцену, геометрические размеры, тени, баланс цвета и так далее.
Отсутствие готовых решений в этой области и стал нашим главным техническим челленджем. Создавать технологию такого уровня очень интересно, но трудно и отнимает много времени. Это обстоятельство помогает нам не очень опасаться конкуренции — сделать продукт аналогичный Wizart не получится быстро и дешево.
Рынок отделочных материалов был для нашей команды совершенно новым, мы никогда раньше с ним не работали. Поэтому не очень хорошо представляли, как упаковать продукт и донести его ценность. Пришлось потратить немало времени, чтобы понять правила рынка и наладить контакт с основными игроками. Мы участвовали в отраслевых выставках, конференциях, много общались со стейкхолдерами, продавали продукт, которого еще не было.
Еще один большой челлендж для нас заключался в том, что готовых датасетов почти нет. Наш мы создавали с нуля, несколько раз переделывая и осознавая собственные ошибки в способе отбора, разметки, балансировки. Пробовали работать с аутсорсерами, которые готовят датасеты на заказ руками людей, в основном, из Азии и Африки. Но качество нас не устроило, мы вернулись к разметке своими силами. В процессе пришли к очень важному понимаю — лучше компактный датасет, но очень качественно размеченный, чем большой и некачественный.
Если есть достаточная экспертиза в машинном обучении, то и на небольшом объеме данных можно получить результат должного качества. Но обрабатывать определенные исключения и сложные случаи куда проще на небольшом датасете — нужно меньше данных, содержащих это исключение, чтобы скорректировать поведение нейросети.
...
Мы позиционируем Wizart как B2B решение. Оно интегрируется на сайты производителей и продавцов отделочных материалов, помогая избавить клиентов от мучительного выбора и таким образом повышая продажи. Монетизация — подписка с оплатой за период.
Продавать наш продукт мы начали на двух рынках: Германии, который я давно знаю, в стране работает ряд топовых производителей, и России, рынок которой нам близок ментально. Первые внедрения на этих рынках у нас были в прошлом году и это было непросто.
Работать с первыми клиентами мы начали за два года до релиза продукта, провели десятки встреч, долго разрешали противоречия и насмерть торговались. Первые клиенты — это всегда тяжело.
Этой зимой мы приняли участие в крупной отраслевой выставке во Франкфурте. Там выставляют свои новинки все крупнейшие производители обоев, и мы поехали туда с нашим скромным стендом. Нами заинтересовались компании из других регионов, не только из Германии. Так мы оказались на рынке США, Турции, Центральной Америки и Ближнего Востока.
После первых внедрений клиенты приходят к нам уже сами, потому что видят наше решение на сайте у их партнеров или конкурентов. Так что одна выставка дала нам пайплайн на год вперед.
Такой интерес обусловлен еще и тем, что аналогичный продукт делает кроме нас только одна компания в Канаде. Но у нас лучше качество визуализации и внедрять наше решение удобнее. Еще у нас скоро появится “секретный соус”, который поднимет ценность нашего продукта на порядок. Пока мы его не раскрываем, но уже скоро покажем.
Сейчас у нас 12 платящих клиентов, за год планируем кратно увеличить это число. Выручка же вырастет многократно, так как в пайплайне у нас крупные компании. Есть одна идея, как повысить наш поток лидов в десятки раз, но пока не будем рассказывать подробнее, это наше ноу-хау.
...
На масштабирование продаж и внедрение новых фичей в продукт мы привлекаем посевной раунд инвестиций в размере $400 тыс. Идеальный инвестор для нас — тот, который работал индустрии строительства и ремонта или решал похожие задачи. В частности, вход со своим программным продуктом в крупный ритейл. Экспертиза в компьютерном зрении — тоже “умные деньги” для нас.
У нас больше ста идей в бэклоге, одна из прорывных — использование лидара, который активно внедряет в свои продукты Apple. С ним можно делать еще более точную модель пространства и выдавать лучший результат. Также автоматизируем распространенный юзкейс — подбор отделки стен и пола по фото. Для этого добавим интеграцию с Pinterest и сможем предложить пользователю варианты интерьера на основе картинок, которые он лайкнул. Можно будет сразу перенести понравившееся сочетание материалов в свой интерьер и быстро найти лучший вариант.
Facebook: facebook.com/Startup.Jedi.ru/
Telegram: t.me/Startup_Jedi_RU
Twitter: twitter.com/startup_jedi
Комментарии