English: Local-first wardrobe tool: turn clothing photos into structured attributes with Ollama Vision, persist in SQLite, and get 3 outfit proposals (safe / clean / bold) with reasons — no cloud APIs.
日本語: 手持ちの服の写真をローカル VLM で属性化し、シチュエーションに合わせたコーデ案を無難 / きれいめ / 攻めの 3 通り、理由付きで返す CLI（＋ Streamlit）。外部クラウド API は使いません（Ollama 前提）。
| Links | |
|---|---|
| LP | GitHub Pages（デモ・FAQ・公開画像の例） |
| 貢献 | CONTRIBUTING.md · Issues |
画面デモ（Streamlit · demo=1 / no_llm=1 で収録）
add に渡すような実際の服の写真のイメージです（LP と同じ Wikimedia CC0、720px 版）。
| tops | bottoms | shoes |
|---|---|---|
 |
 |
 |
出典・作者・ライセンスの全文は docs/ATTRIBUTION.md。
?demo=1 の一括登録やユニットテストで使う、軽い見本素材（実写ではありません）。
| tops | bottoms | shoes |
|---|---|---|
 |
 |
 |
ほかのセクション: 要点 · クイックスタート · トラブルシューティング
| 項目 | 内容 |
|---|---|
| 言語 | Python 3.10+ |
| 推論 | Ollama + Vision モデル（例: qwen2.5vl:7b） |
| 永続化 | SQLite（既定 data/outfit.db） |
| 入出力 | 主に JSON（登録・提案とも） |
flowchart LR
A[服の画像] --> B[Ollama Vision]
B --> C[属性 JSON]
C --> D[(SQLite)]
D --> E[スコアリング]
E --> F[Ollama テキスト]
F --> G[提案 3 パターン]
- Ollama が起動している（
ollama serveまたは常駐サービス） - Vision 用モデルを
ollama pull済み - コーデ提案は tops / bottoms / shoes 各1点以上 登録されていること（服が分かる写真のほうがカテゴリ推定が安定しやすい）
cd vlm-outfit-refiner
python3 -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install -r requirements.txt
ollama pull qwen2.5vl:7b# 服を登録（1枚ずつ。成功すると JSON が標準出力に出る）
python main.py add ./photos/shirt.jpg
python main.py add ./photos/pants.jpg
python main.py add ./photos/sneakers.jpg
# 提案（対話式は引数なし / 非対話は下記）
python main.py recommend --situation カフェ --temp 0 --style きれいめ
# VLM の誤分類を直す
python main.py list
python main.py reclassify 2 # 同じ画像ファイルで属性を取り直し（Ollama 利用）
python main.py edit 2 --category bottoms --color ネイビー # 手で直す（Ollama 不要）recommend の --temp: 0 か未指定＝普通、1＝暑い、2＝寒い。漢字（暑い 等）も可。成功時は ok と proposals（最大 3 件）の JSON。
| コマンド | 役割 |
|---|---|
python main.py add <画像パス> |
VLM で属性抽出 → DB 保存。同一内容（SHA-256）は重複登録しない |
python main.py add-batch <dir> |
フォルダ内の画像をまとめて登録（--recursive / --limit / --verbose） |
python main.py reclassify <id> |
DB にある image_path のファイルを読み直し、VLM で属性を再抽出して上書き（file_hash も更新） |
python main.py edit <id> --category … など |
登録済み 1 件の属性を手直し。--style / --season はカンマ区切り（Ollama 不要） |
python main.py portrait <photo> |
背景/トリミング/色味でプロフィール写真っぽく整える（ポーズ/体型は変えない） |
python main.py recommend |
シチュエーション等を尋ね、3 パターン＋理由を JSON 出力 |
python main.py preset list |
想定ユーザー（ペルソナ）プリセットの一覧 |
python main.py dogfood |
プリセット全部でまとめて recommend（比較用JSONを出力） |
python main.py list |
登録アイテム一覧（JSON） |
グローバルオプション: --db <path>（DB 指定）、--ollama <URL>、--model <name>（いずれも省略時は下表と既定値）。
| 変数 | 既定 | 意味 |
|---|---|---|
OLLAMA_HOST |
http://127.0.0.1:11434 |
Ollama のベース URL |
OLLAMA_VISION_MODEL |
qwen2.5vl:7b |
属性抽出・解説文の既定モデル |
OLLAMA_TEXT_MODEL |
未設定時は上と同じ | 解説だけ別モデルにしたい場合 |
--model / --ollama はこれらより優先されます。
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements-dev.txt
# 環境に pytest のグローバルプラグイン（ROS 等）が入っていると衝突することがあるので:
PYTEST_DISABLE_PLUGIN_AUTOLOAD=1 pytesttests/ に SQLite と recommender.narrate_outfit のモックを使ったユニットテストがあります（Ollama 不要）。
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements-dev.txt
streamlit run app.pyUI から add / list / edit / reclassify / recommend を一通り触れます（内部は同じモジュールを呼び出すだけの薄いUI）。
URL パラメータ（任意）
?demo=1— Add 画面に「デモ3点（VLMなし）」ボタンを出す（LP / 画面録画向け）?no_llm=1—recommendの説明文をローカル補完のみにする（Ollama 不要で高速）
GitHub Pages 用のデモ GIF を再生成する（任意）
playwright / streamlit / システムの ffmpeg が必要です。仮想環境を有効化してから実行してください。
source .venv/bin/activate
pip install -r requirements-dev.txt
playwright install chromium
python scripts/capture_demo_gif.py
# → docs/assets/demo-ui-flow.gifadd の attributes に含まれる想定の形:
{
"category": "tops|bottoms|outer|shoes|bag|accessory",
"color": "日本語の短い表現",
"style": ["タグ", "…"],
"season": ["春", "夏", "秋", "冬"],
"formality": 3,
"fit": "日本語",
"notes": "1行の補足"
}formality は 1（カジュアル）〜5（フォーマル）の想定。
- 候補は tops × bottoms × shoes の直積から生成し、シチュエーション由来のフォーマリティ、スタイル語、気温感に応じた季節の近さでスコア
- トップスとボトムの同系色には簡易ペナルティ
- 無難 / きれいめ / 攻めで重みを変え、別の組を取りに行く（枚数が少ないと同じ着合わせになることもある）
- 最後に Ollama で
summary/reason/tipsを JSON で生成
temp_feel が「寒い」で DB に outer があると、可能な範囲でアウターを 1 点割り当てます。
| 症状 | まず見る所 |
|---|---|
Connection refused / Ollama に繋がらない |
ollama serve か OS の Ollama サービス起動、ファイアウォール |
| カテゴリが偏る（例: 全部 tops） | 無地や抽象画に近い画像は不安定。全身・衣類が写る写真向き |
recommend が服の点数不足で失敗 |
list で tops / bottoms / shoes の有無を確認 |
| 応答が遅い / メモリを食う | モデルサイズを下げる、同時に動かすアプリを減らす |
reclassify が「画像ファイルがありません」 |
image_path がずれている。写真をそのパスに戻すか、edit で直す前提でデータだけ修正 |
最短で価値が出る流れはこれです。
- まず10枚だけ登録（トップス/ボトムス/靴が最低1枚ずつ入るように）
recommendを回して、ズレたらreclassify→ だめならedit- 登録を増やす（週末にまとめて）
フォルダ一括登録（例）:
python main.py add-batch ~/Pictures/wardrobe --recursive --limit 30
python main.py list
python main.py recommend--verbose を付けると、各ファイルの結果（dedup/失敗理由）を JSON に含めます。
ペルソナ切り替えでまとめて検証（例）:
python main.py preset list
python main.py dogfood --limit 5 # LLMなしで高速（既定）
python main.py dogfood --summary --limit 5 # 比較向けサマリ（結果を軽量化）
python main.py dogfood --summary --analyze --limit 10 # 偏り検知（頻出/重複率）
python main.py dogfood --summary --diversify --limit 10 # ペルソナ間の被りを減らす
python main.py dogfood --summary --diversify --diversify-scope safe --limit 10 # 無難だけ被り回避
python main.py dogfood --llm --limit 2 # 理由文生成も回す（遅い）
python main.py recommend --preset office_clean優先度は好みで調整してください。
- 品質 — プロンプト
prompts/*.mdのチューニング（撮影・照明でも変わるのでreclassifyと併用） - 拡張 UI —
typer+ Rich、または小さな Streamlit/Gradio から同モジュールを import - テスト — さらに
main.pyの統合テストや、VLM 応答パースの境界ケースなど（現状はtests/test_db.py/tests/test_recommender.py） - パフォーマンス — 組み合わせ爆発時のサンプリング、カテゴリ内の事前絞り込み
- 移動・バックアップ — 画像の実体を
data/下にコピーしてパス壊れを防ぐ、DB の JSON エクスポート
実装済み: edit（手修正）、reclassify（VLM で取り直し）、pytest 用の DB / レコメンドの基本テスト（narrate_outfit はモック）。
役に立ったら GitHub で Star を付けると、同じ課題を持つ人の検索結果に届きやすくなります。リポジトリの About → Topics に ollama, vision-language-model, local-ai, sqlite, streamlit などを足すのも有効です（候補は CONTRIBUTING.md に記載）。
About の説明文の例（コピペ用・英語）:
Local wardrobe assistant: Ollama Vision + SQLite → 3 outfit ideas (safe/clean/bold). CLI & Streamlit. No cloud APIs.
学習・自己利用向けの MVP です。モデル出力は誤ることがあります。実際の着用や購入の判断は、必ず自分の目で確認してください。