Przetłumaczono z angielskiego oryginału. Liczby i źródła pozostają bez zmian. Przeczytaj angielski oryginał
Delivery Hero
Delivery Hero generuje brakujące zdjęcia pozycji menu własnym Stable Diffusion
Delivery Hero dostroiło i uruchomiło u siebie model obrazów o otwartych wagach, Stable Diffusion, by tworzyć zdjęcia dań, które ich nie miały. Według osoby kierującej AI w Delivery Hero test A/B pokazał wzrost konwersji z menu do koszyka o 6 % do 8 %, gdy produkt miał zdjęcie, przy koszcie poniżej 0,3 centa za obraz.
Kluczowe liczby
Przepisane dokładnie ze źródeł. Skopiuj każdą liczbę wraz z przypisem.
6 %
do 8 %
Wzrost współczynnika konwersji z menu do koszyka po dodaniu obrazu do produktu, w teście A/B1
85 %
Skrócenie czasu obliczania obrazu po optymalizacji (punkt odniesienia w sekundach nie został podany dla tej liczby)1
mniej niż 0,3 centa
Koszt wygenerowanego obrazu przy własnym wdrożeniu (zespół podaje 2 centy za obraz w usłudze OpenAI, z której korzystał wcześniej)1
Ile to kosztowało
Problem
Wiele dań na platformach dostaw jedzenia nie ma zdjęcia. Analiza danych Delivery Hero wykazała wiele produktów bez obrazu, a prelegent mówi, że tylko 14 % produktów było kupowanych bez obrazów. Robienie lub kupowanie zdjęć każdego dania w każdej restauracji jest powolne i kosztowne i różni się w zależności od kraju.
Co zbudowano
Delivery Hero zbudowało system, który generuje obraz dania na podstawie jego opisu. Pierwsza wersja korzystała z hostowanej usługi obrazów OpenAI. Potem firma przeszła na własny model Stable Diffusion, model obrazów o otwartych wagach (open-weight), czyli taki, którego pliki są opublikowane, tak że firma może je uruchamiać i dostosowywać. Jedną z najlepszych konfiguracji w testach był wariant społeczności o nazwie Juggernaut V9 z adapterem IP. Właściciele restauracji widzą proponowane obrazy i wybierają najtrafniejszy.
Jak to zrobiono
Zespół w pełni dostroił model, co zajęło kilka dni na procesorze graficznym A100, bo musiał objąć tysiące lokalnych dań. Poprawiło to lokalne dania, ale niektóre inne, na przykład pizzę, uczyniło mniej apetycznymi. Do obsługi wybrał procesory graficzne L4 ze względu na najlepszy koszt za obraz i przyspieszył inferencję optymalizacją na etapie kompilacji. Produkcja działa na AWS w Kubernetes, skalując się od 0 do 36 węzłów dzięki KEDA.
Automatyczne kontrole odrzucają obrazy z ludźmi lub stworzeniami, tekstem, słabym kadrem lub rozmyciem. Testy offline objęły 1 000 produktów rozłożonych na podmioty i kategorie.
Wyniki
Prelegent podaje wzrost konwersji z menu do koszyka o 6 % do 8 %, gdy produkt miał obraz, na podstawie testu A/B. Czas na obraz spadł do 11,2 sekundy, co prelegent nazywa spadkiem o 85 %. Koszt spadł poniżej 0,3 centa za obraz, wobec 2 centów za obraz w usłudze OpenAI, z której zespół korzystał wcześniej. Ponad 100 000 produktów ma teraz wygenerowane obrazy.
Wszystkie zgłoszone liczby
| Miara | Liczba | Przypis |
|---|---|---|
| Wzrost współczynnika konwersji z menu do koszyka po dodaniu obrazu do produktu, w teście A/B | 6 % do 8 %1 | |
| Czas generowania jednego obrazu po optymalizacji | 11,2 sekundy1 | |
| Skrócenie czasu obliczania obrazu po optymalizacji (punkt odniesienia w sekundach nie został podany dla tej liczby) | 85 %1 | |
| Koszt wygenerowanego obrazu przy własnym wdrożeniu (zespół podaje 2 centy za obraz w usłudze OpenAI, z której korzystał wcześniej) | mniej niż 0,3 centa1 | |
| Produkty z wygenerowanymi obrazami na platformach Delivery Hero | Ponad 100 0001 |
Wnioski dla Twojego projektu
Warto sprawdzić zasadność biznesową, zanim zacznie się budować na dużą skalę. Delivery Hero najpierw przeanalizowało dane menu, by ustalić, gdzie generatywna AI ma największe znaczenie, a potem zmierzyło zysk z obrazów testem A/B.
Warto zacząć od usługi hostowanej dla szybkiego prototypu, a przejść na własny hosting, gdy wolumen sprawi, że koszt jednostkowy ma znaczenie.
Warto wcześnie zbudować automatyczne kontrole jakości. Delivery Hero odrzuca obrazy z tekstem, ludźmi, rozmyciem i słabym kadrem, a restauracje wybierają spośród proponowanych obrazów.
Warto trzymać infrastrukturę w jednej chmurze, gdy to możliwe. Prelegent nazwał błędem podział usług między dwie chmury, który opóźnił dostawę.
Zastrzeżenia
- Wszystkie liczby pochodzą z wystąpienia konferencyjnego osoby z Delivery Hero kierującej rozwojem rozwiązań AI, która wypowiada się w imieniu firmy. Nie zostały niezależnie potwierdzone.
- Prelegent podaje niespójne liczby wygenerowanych obrazów (ponad 100 000, a potem około miliona), więc użyto tylko liczby produktów z wygenerowanymi obrazami.
- Spadek o 85 % podano bez punktu odniesienia w sekundach. Jedyny punkt odniesienia w wystąpieniu, około trzech minut na obraz dla domyślnego Stable Diffusion na GPU T4, dotyczy innej konfiguracji.
- Wystąpienie nie podaje daty startu, wielkości zespołu ani łącznego harmonogramu. Pokazana data wdrożenia to data nagrania wydrukowana na stronie InfoQ (data ogłoszenia); faktyczny start był wcześniejszy i nieznany. Wystąpienie wspomina o debiucie giełdowym Talabat jako o zdarzeniu z poprzedniego roku.
- Wynik testu A/B podano jako przedział, bez wielkości próby i czasu trwania. Delivery Hero mówi, że obrazy są oznaczone jako wyłącznie poglądowe.
- Model jest modelem obrazów, a nie tekstu. Juggernaut V9 to wariant Stable Diffusion tworzony przez społeczność, więc przypisanie do Stability AI jest przybliżeniem.
Źródła
- AI for Food Image Generation in Production: How & Why
InfoQ (QCon London 2025, talk by Iaroslav Amerkhanov of Delivery Hero) · 2025-08-27 · Wystąpienie konferencyjne · infoq.com
Streszczone własnymi słowami na podstawie powyższych źródeł. Zauważyłeś błąd? Zobacz sprostowania.