💇‍♀️ Dear Cut (디어컷)

"고민 없이 예약, 설명 없이 완성" > AI 기반 헤어스타일 컨시어지 & 매칭 플랫폼

📖 프로젝트 소개 (Project Overview)

Dear Cut은 사용자의 스타일링 고민과 디자이너의 소통 오류를 해결하는 AI 기반 미용실 예약/매칭 서비스입니다. Vision AI와 LLM 기술을 활용하여 사용자의 얼굴형과 모발 상태를 분석하고, 가상 스타일링(Virtual Try-On)을 제공하며, 비전문가의 추상적인 요구사항을 전문가용 시술 요청서로 자동 변환하여 디자이너에게 전달합니다.

🚀 핵심 기능 (Key Features)

1. AI 스타일링 분석 및 시각화 (Personalization Engine)

사용자의 현재 상태를 초정밀 분석하고, 최적의 스타일을 시각적으로 제안합니다.

• [cite_start]Vision AI 분석: 사진 한 장으로 얼굴형, 이목구비 비율, 모발 손상도(상/중/하)를 분석합니다[cite: 3, 4].
• [cite_start]GAN 기반 가상 스타일링: 분석 데이터와 트렌드를 결합해 가장 잘 어울리는 스타일 5가지를 추천하고, 사용자 얼굴에 합성(Virtual Try-On)하여 보여줍니다[cite: 5, 6].
• [cite_start]현실적 조언: "곱슬이 심해 관리가 어렵습니다"와 같은 스타일별 제약 조건을 미리 안내합니다[cite: 7].

2. 스마트 미용실 매칭 (Booking Engine)

단순 위치 기반이 아닌, '내가 원하는 스타일'을 가장 잘하는 디자이너를 찾아줍니다.

• [cite_start]스타일별 전문 매칭: 레이어드 컷, 옴브레 등 특정 시술에 대한 포트폴리오 데이터를 기반으로 미용실을 추천합니다[cite: 10, 11].
• [cite_start]다중 필터링: 거리순, 평점순은 물론 'AI 추천 스타일 시술 건수' 기준으로 정렬 가능합니다[cite: 12].
• [cite_start]실시간 예약: 빈 시간표를 확인하고 원클릭으로 예약을 진행합니다[cite: 14].

3. LLM 기반 요청서 자동 생성 (AI Communicator)

"대충 이런 느낌으로..."라는 모호한 표현을 전문적인 작업지시서로 변환합니다.

• [cite_start]자연어 처리(NLP): 사용자가 입력한 "앞머리 짧게, 톤 다운" 같은 간단한 코멘트와 합성 이미지를 분석합니다[cite: 17].
• [cite_start]전문 용어 변환: LLM이 이를 해석하여 미용 전문가가 이해할 수 있는 구체적인 시술 요청서를 작성합니다[cite: 19].
• [cite_start]주의사항 자동 기입: 1단계에서 분석된 모발 손상도 등의 정보가 디자이너 주의사항으로 자동 포함됩니다[cite: 21].

4. 자동화된 예약 및 전송 (Automated Service)

예약과 동시에 시술 준비를 마칠 수 있도록 정보를 동기화합니다.

• [cite_start]자동 전송 시스템: 예약 확정 시, 생성된 AI 요청서가 디자이너의 대시보드나 메신저로 즉시 전송됩니다[cite: 27].
• [cite_start]사전 인지: 디자이너는 고객 도착 전 얼굴형, 희망 스타일, 모발 상태를 미리 파악하여 시술 만족도를 극대화합니다[cite: 29].

🛠 시스템 아키텍처 (System Flow)

graph TD
    A[User] -->|Upload Photo| B(Step 1: AI Vision Analysis)
    B -->|Face/Hair Data| C{Step 1: GAN Style Synthesis}
    C -->|Virtual Try-On Img| D[User Selects Style]
    D -->|Style Data| E(Step 2: Salon Matching System)
    E -->|Select Salon| F[User Inputs Simple Comment]
    D & F -->|Input Data| G(Step 3: LLM Request Generator)
    G -->|Professional Spec Sheet| H[Step 4: Reservation & Auto-Send]
    H -->|Confirm| I[Designer Dashboard]

Loading

💻 기술 스택 (Tech Stack) (예시)

(개발 진행 상황에 맞춰 수정 예정)

• Frontend: React Native (or Flutter) / Next.js
• Backend: Python FastAPI / Django
• AI/ML:
  • Vision: OpenCV, PyTorch (Face Analysis)
  • Generation: StyleGAN2 / Stable Diffusion (Virtual Try-On)
  • NLP: OpenAI API (GPT-4) or LangChain (Request Generation)
• Database: PostgreSQL, Redis
• Infrastructure: AWS (EC2, S3, Lambda)

📂 프로젝트 구조 (Directory Structure)

(사용자님의 선호에 따라 모듈화된 구조 제안)

DearCut/
├── backend/
│   ├── app/
│   │   ├── api/          # Endpoints (v1/analysis, v1/booking)
│   │   ├── core/         # Config, Security
│   │   ├── models/       # DB Models
│   │   ├── services/     # Business Logic (AI integration here)
│   │   └── schemas/      # Pydantic Schemas
│   └── ml_engine/        # Separate module for heavy AI models
├── frontend/
│   ├── src/
│   │   ├── components/   # Reusable UI components
│   │   ├── screens/      # App screens (Analysis, Booking, etc.)
│   │   └── hooks/        # Custom hooks
└── README.md

🏁 시작하기 (Getting Started)

1. Clone the repo

   git clone https://github.com/your-username/dear-cut.git

2. Install Backend Dependencies

   cd backend
   pip install -r requirements.txt

3. Run the Server

   uvicorn app.main:app --reload