소매업계는 고객이 디지털 화면상에서 옷의 핏이나 스타일을 정확히 판단하지 못해 발생하는 연간 8,900억 달러 규모의 반품 문제로 큰 손실을 입고 있다. 아마존은 이러한 페인 포인트를 해결하기 위해 Amazon Bedrock 플랫폼 내 Nova Canvas 모델을 통한 고도화된 가상 피팅 기능을 공개했다. 이 기술을 통해 쇼핑객은 자신의 사진을 업로드하고 의류나 액세서리를 착용한 모습을 고화질로 즉시 확인할 수 있다. 특히 Nova Canvas는 기존 가상 피팅 기술의 한계를 넘어 복잡한 원단 질감과 의류의 드레이프, 브랜드 로고와 같은 세밀한 요소를 완벽하게 구현하는 데 강점이 있다.

시스템의 핵심은 의류가 놓일 신체 부위만을 정밀하게 분리하는 고급 '마스킹' 기법에 있다. 사용자는 신발이나 전신 의상 같은 품목에 대해 자동 감지 기능을 사용하거나, 자연어 프롬프트로 이미지의 수정하고 싶은 부분을 직접 설명할 수 있다. 이러한 유연성 덕분에 소매업체는 별도의 수동 편집 과정 없이도 방대한 종류의 패션 아이템을 AI로 처리하는 것이 가능하다. 이 과정에서 Image inpainting 기술이 활용되어 원본 이미지와 새로운 의류를 이질감 없이 결합한다.

내부적으로는 서버리스 아키텍처를 기반으로 설계되어 수요 변화에 따라 컴퓨팅 자원을 자동으로 확장하며 효율성을 높였다. 특히 이벤트 기반 아키텍처를 통해 비동기 워크플로우를 최적화했으며, 데이터 처리를 담당하는 AWS Lambda와 실시간 소통을 지원하는 WebSocket을 결합한 덕분에 전체 피팅 프로세스는 12초를 넘지 않는다. 이처럼 빠른 처리 속도는 고객이 한 번의 접속으로 수십 벌의 옷을 입어보는 끊김 없는 쇼핑 경험을 보장한다. 결과적으로 이러한 기술적 진보는 소비자의 구매 확신을 높여 반품률을 낮추는 핵심적인 역할을 수행할 전망이다.

소매업계는 고객이 디지털 화면상에서 옷의 핏이나 스타일을 정확히 판단하지 못해 발생하는 연간 8,900억 달러 규모의 반품 문제로 큰 손실을 입고 있다. 아마존은 이러한 페인 포인트를 해결하기 위해 Amazon Bedrock 플랫폼 내 Nova Canvas 모델을 통한 고도화된 가상 피팅 기능을 공개했다. 이 기술을 통해 쇼핑객은 자신의 사진을 업로드하고 의류나 액세서리를 착용한 모습을 고화질로 즉시 확인할 수 있다. 특히 Nova Canvas는 기존 가상 피팅 기술의 한계를 넘어 복잡한 원단 질감과 의류의 드레이프, 브랜드 로고와 같은 세밀한 요소를 완벽하게 구현하는 데 강점이 있다.

시스템의 핵심은 의류가 놓일 신체 부위만을 정밀하게 분리하는 고급 '마스킹' 기법에 있다. 사용자는 신발이나 전신 의상 같은 품목에 대해 자동 감지 기능을 사용하거나, 자연어 프롬프트로 이미지의 수정하고 싶은 부분을 직접 설명할 수 있다. 이러한 유연성 덕분에 소매업체는 별도의 수동 편집 과정 없이도 방대한 종류의 패션 아이템을 AI로 처리하는 것이 가능하다. 이 과정에서 Image inpainting 기술이 활용되어 원본 이미지와 새로운 의류를 이질감 없이 결합한다.

내부적으로는 서버리스 아키텍처를 기반으로 설계되어 수요 변화에 따라 컴퓨팅 자원을 자동으로 확장하며 효율성을 높였다. 특히 이벤트 기반 아키텍처를 통해 비동기 워크플로우를 최적화했으며, 데이터 처리를 담당하는 AWS Lambda와 실시간 소통을 지원하는 WebSocket을 결합한 덕분에 전체 피팅 프로세스는 12초를 넘지 않는다. 이처럼 빠른 처리 속도는 고객이 한 번의 접속으로 수십 벌의 옷을 입어보는 끊김 없는 쇼핑 경험을 보장한다. 결과적으로 이러한 기술적 진보는 소비자의 구매 확신을 높여 반품률을 낮추는 핵심적인 역할을 수행할 전망이다.