ListSmart: AI로 제품 사진을 이커머스 상품 목록으로 변환하기

이 글은 Hacktoberfest Open-Source AI Challenge — Week 2: Side Hustle에 제출하는 내용입니다.

제가 만든 것 (What I Built)

ListSmart는 제품 사진을 제목, 설명, 5가지 핵심 포인트(bullet points), 검색 태그, 제안 가격 등을 포함한 출판 준비가 된 Meesho 및 Etsy 상품 목록으로 변환합니다.

이 도구는 소규모 판매자들이 시간을 절약하고, 더 나은 목록을 작성하며, 제품 가격을 더욱 자신 있게 책정할 수 있도록 돕습니다.

주요 기능:

• 📸 Gemma를 사용한 제품 상세 정보 추출.
• ✍️ 미세 조정된 Qwen3-8B를 사용한 목록 생성.
• 💰 경쟁사 기반 가격 책정 (SerpApi 사용).
• 🔒 개인정보 보호와 상품당 API 비용 제로를 위한 로컬 추론(Local inference).
• ✏️ 문자 수 카운터 및 원클릭 복사가 가능한 편집 가능한 목록.

제안하는 비즈니스 모델은 20개의 무료 목록 제공 후, 월 약 ₹199입니다. 가격 책정은 아직 검증 중입니다.

데모 및 코드 (Demo and Code)

GitHub: https://github.com/Amitrawal1/ListSmart

로컬에서 실행하기:

git clone https://github.com/Amitrawal1/ListSmart.git
cd ListSmart/backend
python3 -m venv .venv
...

http://localhost:8001을 엽니다. 샘플 데이터를 시도하려면 ?demo=1을 추가하세요.

제작 과정 (How I Built It)

이 프로젝트는 비전(vision)에는 Gemma를, 목록 생성에는 LoRA 미세 조정을 거친 Qwen3-8B를 사용하고, 학습에는 Tinker를, 경쟁사 가격 책정에는 SerpApi를 사용합니다.

스택에는 FastAPI, Ollama, 그리고 가벼운 HTML/CSS/JavaScript 프런트엔드가 포함되어 있습니다. 저장소에는 또한 학습(training), 평가(evaluation) 및 설정 스크립트가 포함되어 있습니다.

버전 1을 통해 배운 점 (What I Learned from Version 1)

저의 첫 미세 조정은 검증 손실(validation loss)을 2.61에서 1.48로 줄였지만, 중요한 품질 지표에서는 기본 모델보다 성능이 떨어졌습니다.

블라인드 평가에서는 v1에 비해 기본 모델이 **77.5%**의 경우에 더 선호되었고, v1은 단지 **0.8%**였습니다.

주요 문제점들은 반복적인 키워드 채우기(keyword stuffing)와 지어낸 제품 상세 정보였습니다.

v2의 경우, 학습 데이터를 정리하고 지원되지 않는 주장(claims)을 제거하며 플랫폼 규칙을 적용할 예정입니다. 최종 평가는 아직 진행 중이며, 측정되는 대로 결과를 공유하겠습니다.

오픈 소스가 중요한 이유

오픈 모델은 제가 학습 데이터를 검사하고, 모델의 동작을 수정하며, 로컬에서 추론(inference)을 실행할 수 있게 해줍니다. 판매자들은 제품 사진을 자체 장치에 보관할 수 있으며, 로컬 추론은 상품별 API 요금을 피할 수 있습니다.

또한 이 프로젝트는 단일 모델 제공업체에 대한 의존도를 낮추고 시스템 수정이 더 용이하게 만듭니다.

향후 계획?

• v2 학습 및 평가 완료.
• 공개 데모 배포.
• 실제 판매자들로부터 피드백 수집.
• 구독 가격 책정 검증.

기술 및 도전 카테고리

• Gemma: 제품 사진 이해(Product-photo understanding).
• Tinker: LoRA 파인튜닝 및 모델 평가.
• SerpApi: 경쟁사 가격 검색(Competitor-price discovery).

저장소(Repository): https://github.com/Amitrawal1/ListSmart

읽어주셔서 감사합니다!