TL;DR

Wardrobe는 사진 폴더에서 의류를 자동으로 감지해 OpenAI Responses API로 객체 정보를 추출하고 OpenAI Images API로 깔끔한 컷아웃과 모델링된 착용 이미지를 생성해 로컬의 data 디렉터리에 저장하는 자바스크립트 웹 애플리케이션이다. Codex 스킬을 통해 폴더 단위 임포트와 룩 생성 과정을 자동화할 수 있으며 생성된 결과는 JSON 데이터와 이미지 파일로 관리되어 사용자가 검토하고 편집할 수 있다. 모든 아티팩트를 로컬에 보관하므로 외부 클라우드 의존을 줄이면서 개인 사진의 통제권을 유지할 수 있지만 OPENAI_API_KEY와 모델 레퍼런스 PNG를 직접 구성해야 임포터 기능을 사용할 수 있다.

주요 기능

• 사진에서 의류를 감지하고 구조화된 항목 정보를 생성해 데이터베이스에 기록한다. 감지된 각 아이템은 원본, 작업 로그, 생성 이미지와 함께 로컬의 data 디렉터리에 보관된다. 감지 결과는 이후 편집과 재생성이 가능하다.
• OpenAI Images API를 통해 제품 컷아웃을 생성하고 선택적으로 모델 레퍼런스에 합성된 착용 이미지를 만든다. 컷아웃과 모델링 이미지는 사용자가 검토하고 승인할 수 있도록 편집 UI에서 제공된다. 생성 작업은 로컬에서 파일로 관리되어 외부 서비스 의존을 최소화한다.
• 임포트와 룩 생성 과정을 Codex 스킬로 자동화해 폴더 단위 업로드에서 모델링된 룩북까지 일괄 처리할 수 있다. Codex 스킬은 로컬 경로와 모델 레퍼런스를 요구하며 각 컷아웃을 검토한 뒤 JSON과 이미지로 저장한다. 사용자는 스킬을 통해 반복 작업을 빠르게 수행할 수 있다.

어떻게 동작하는가

사용자가 업로드하거나 지정한 사진을 OpenAI Responses API로 보내어 이미지 내 의류의 위치와 속성을 추출한다. 추출된 객체 영역은 OpenAI Images API로 컷아웃과 모델링 합성 요청에 사용되며 결과 이미지는 로컬 데이터 폴더와 라이브러리 JSON에 저장된다. Codex 스킬은 로컬 파일 시스템과 상호작용하며 일괄 임포트와 룩 생성 프로세스를 자동화한다.

해결 문제

혼잡한 사진 폴더에서 의류를 수동으로 식별하고 정리하던 작업을 자동화해 시간과 수고를 줄인다. 자동 감지와 컷아웃, 모델링된 프리뷰 생성으로 상품화된 형태의 이미지를 빠르게 확보할 수 있다. 생성된 결과를 로컬에 저장하고 사용자가 직접 검토·편집·승인할 수 있어 개인용 데이터 통제와 워크플로 통합이 가능하다.

지금 주목받는 이유

OpenAI 이미지 및 응답 모델을 조합해 개인용 패션 워크플로를 자동화하는 실습 사례로서 관심을 끌고 있다. 레포는 즉시 실행 가능한 예제와 Codex 스킬을 병행 제공해 실용적 데모를 제공하고 있다. 많은 스타 수는 커뮤니티의 실사용 가능성에 대한 관심을 반영한다.

차별점

• 모든 원본 파일과 생성된 아티팩트를 로컬의 data 디렉터리에 유지하므로 클라우드에만 의존하지 않고 데이터 통제권을 확보한다. 이 접근은 민감한 개인 사진을 외부에 전송하지 않으려는 경우에 유리하다. 로컬 JSON 데이터베이스로 라이브러리를 구성해 오프라인 사용 시에도 항목을 관리할 수 있다.
• Codex 스킬을 번들로 제공해 로컬 파일 시스템에서 폴더 단위 임포트와 자동 룩북 생성을 가능하게 한다. 스킬은 모델 레퍼런스 PNG를 요청하고 각 컷아웃을 검토한 뒤 자료를 저장해 수동 작업을 대폭 줄인다. 이로 인해 사용자 개입이 필요한 단계는 검토와 승인에 집중된다.

사용 사례

• 개인 소장 의류를 디지털 카탈로그화해 계절별 코디나 룩북을 빠르게 생성하고 보관하는 데 활용할 수 있다. 사진 폴더에서 일괄 임포트 후 모델링된 착용 이미지를 만들어 시각적 참조로 사용하면 옷장 관리를 체계화할 수 있다. 로컬 보관으로 프라이버시 요구를 충족하면서 시각적 정리를 자동화할 수 있다.
• 판매자나 중고 의류 업자는 다수의 제품 사진을 컷아웃하고 모델링된 이미지로 보강해 목록 품질을 높일 수 있다. 자동 컷아웃과 합성된 착용 이미지는 제품 상세 페이지의 시각적 완성도를 개선하는 데 기여한다. 생성된 메타데이터는 검색과 분류 작업에도 즉시 활용할 수 있다.
• 디자이너나 스타일리스트는 개인 레퍼런스 이미지를 기준으로 다양한 착장 아이디어를 빠르게 시각화해 초기 콘셉트를 검토할 수 있다. 자동화된 룩 생성으로 여러 조합을 생성한 뒤 직접 선택해 세부 편집을 거칠 수 있다. 이 과정은 프로토타입 단계의 시각적 결정 시간을 단축한다.

시작하기

레포를 클론한 뒤 의존성을 설치하고 개발 서버를 실행하면 로컬에서 즉시 실행 가능한 상태가 된다. 구체 명령은 git clone https://github.com/tandpfun/wardrobe.git, cd wardrobe, npm install, cp .env.example .env, npm run dev 이다. 개발 서버 실행 후 브라우저에서 로컬 주소를 열어 UI에 접근하고 OPENAI_API_KEY와 data/model-reference.png를 설정하면 임포트 기능을 활성화할 수 있다.

요구사항

• Node 22 이상을 런타임 요구사항으로 명시하고 package.json에서 관련 정보를 제공한다. OPENAI_API_KEY 환경 변수가 반드시 필요하며 이를 .env 파일에 추가해야 임포터가 동작한다. 모델 레퍼런스 이미지는 data/model-reference.png 경로에 PNG 파일로 배치해야 모델링된 프리뷰 생성이 가능하다.

이미지 분석