論文の概要: Can AI decrypt fashion jargon for you?
- arxiv url: http://arxiv.org/abs/2003.08052v1
- Date: Wed, 18 Mar 2020 05:32:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-22 13:16:59.998219
- Title: Can AI decrypt fashion jargon for you?
- Title（参考訳）: AIはファッションジャーゴンを解読できるのか?
- Authors: Yuan Shen, Shanduojiao Jiang, Muhammad Rizky Wellyanto, and Ranjitha
Kumar
- Abstract要約: これらの低レベルの記述が、いかにしてスタイルや高レベルのファッション概念に貢献できるかは、人々には明らかではない。
本稿では,ファッションサイトの既存製品データを活用することで,この概念理解問題に対処するデータ駆動型ソリューションを提案する。
プロダクトイメージの高レベルなファッションコンセプトを、低レベルでドメイン固有のファッション機能で明示的に予測し、説明できるディープラーニングモデルを訓練しました。
- 参考スコア（独自算出の注目度）: 24.45460909986741
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When people talk about fashion, they care about the underlying meaning of
fashion concepts,e.g., style.For example, people ask questions like what
features make this dress smart.However, the product descriptions in today
fashion websites are full of domain specific and low level words. It is not
clear to people how exactly those low level descriptions can contribute to a
style or any high level fashion concept. In this paper, we proposed a data
driven solution to address this concept understanding issues by leveraging a
large number of existing product data on fashion sites. We first collected and
categorized 1546 fashion keywords into 5 different fashion categories. Then, we
collected a new fashion product dataset with 853,056 products in total.
Finally, we trained a deep learning model that can explicitly predict and
explain high level fashion concepts in a product image with its low level and
domain specific fashion features.
- Abstract（参考訳）: ファッションについて語るとき、ファッションの概念の根底にある意味、例えばスタイルに気を配り、例えば、このドレスのどの機能がスマートかといった質問をするが、今日のファッションウェブサイトの製品説明はドメイン固有の言葉と低レベルの言葉でいっぱいである。
これらの低レベルの記述が、いかにしてスタイルや高レベルのファッション概念に貢献できるかは、人々には明らかではない。
本稿では,ファッションサイトにおける既存製品データを活用することで,この概念理解問題に対処するためのデータ駆動型ソリューションを提案する。
最初に1546のファッションキーワードを5つのファッションカテゴリに分類した。
次に,853,056製品からなる新しいファッション製品データセットを収集した。
最後に、プロダクトイメージの低レベルとドメイン固有のファッション機能でハイレベルなファッションコンセプトを明示的に予測し、説明できるディープラーニングモデルをトレーニングしました。
関連論文リスト
- FashionReGen: LLM-Empowered Fashion Report Generation [61.84580616045145]
先進大言語モデル(LLM)に基づく知的ファッション分析・報告システムを提案する。
具体的には、いくつかの重要な手順を備えた効果的なキャットウォーク分析に基づくFashionReGenの提供を試みる。
また、他の領域における工業的重要性を持つより高度なタスクの探索にも刺激を与えている。
論文 参考訳（メタデータ） (2024-03-11T12:29:35Z) - Lost Your Style? Navigating with Semantic-Level Approach for
Text-to-Outfit Retrieval [2.07180164747172]
ファッションレコメンデーションの基盤となるアプローチとして,テキスト・ツー・アウトフィット検索タスクを導入する。
我々のモデルは3つのセマンティックレベル、スタイル、服装で考案され、各レベルがデータを段階的に集約し、一貫性のある服装勧告を形成する。
メリーランド・ポリボアとポリボア・アウトフィットのデータセットを用いて,本手法はテキストビデオ検索タスクにおける最先端モデルよりも有意に優れていた。
論文 参考訳（メタデータ） (2023-11-03T07:23:21Z) - Social Media Fashion Knowledge Extraction as Captioning [61.41631195195498]
ソーシャルメディアにおけるファッション知識抽出の課題について検討する。
ファッション知識を文変換法を用いて自然言語キャプションに変換する。
このフレームワークは,ソーシャルメディア投稿から直接文ベースのファッション知識を生成することを目的としている。
論文 参考訳（メタデータ） (2023-09-28T09:07:48Z) - Fashionpedia-Ads: Do Your Favorite Advertisements Reveal Your Fashion
Taste? [30.633812626305552]
広告とファッションの嗜好の相関について検討した。
我々は、新しいデータセットであるFashionpedia-Adsを導入し、被験者に、広告(ファッション、美容、車、デザート)とファッション製品(ソーシャルネットワークとeコマーススタイル)の両方のイメージの好みを提供する。
論文 参考訳（メタデータ） (2023-05-03T18:00:42Z) - Fashionpedia-Taste: A Dataset towards Explaining Human Fashion Taste [30.633812626305552]
本稿では,ファッションイメージが嫌いな理由を説明するために,解釈可能性データセットであるFashionpedia-tasteを導入する。
被験者は、個性や好みのファッションブランドなど、ファッションに対する個人的特質や好みを提供するよう求められている。
我々のデータセットは、研究者が人間のファッションの味を完全に理解し解釈する計算モデルを構築することを可能にする。
論文 参考訳（メタデータ） (2023-05-03T17:54:50Z) - FashionSAP: Symbols and Attributes Prompt for Fine-grained Fashion
Vision-Language Pre-training [12.652002299515864]
ファッションシンボルと属性プロンプト(FashionSAP)に基づく、きめ細かいファッションビジョン言語事前学習法を提案する。
まず,新しい抽象的なファッション概念層であるファッションシンボルを,異なるファッションアイテムを表現するために提案する。
次に、モデルにファッションアイテムの特定の属性を明示的に学習させる属性プロンプト手法を提案する。
論文 参考訳（メタデータ） (2023-04-11T08:20:17Z) - FaD-VLP: Fashion Vision-and-Language Pre-training towards Unified
Retrieval and Captioning [66.38951790650887]
ファッション分野におけるマルチモーダルタスクは、eコマースにとって大きな可能性を秘めている。
本稿では,ファッションとテクストのペアから構築した弱教師付き三つ組に基づく,ファッション特有の事前学習フレームワークを提案する。
3重項に基づくタスクは、標準的なマルチモーダル事前学習タスクに有効な追加であることを示す。
論文 参考訳（メタデータ） (2022-10-26T21:01:19Z) - FashionViL: Fashion-Focused Vision-and-Language Representation Learning [129.49630356651454]
ファッション中心の視覚・言語(V+L)表現学習フレームワークFashionViLを提案する。
特に2つの本質的な属性とファッションV+Lデータを活用するために設計された、2つの新しいファッション特化事前学習タスクを含んでいる。
大規模な実験により、FashionViLは5つの下流タスクにまたがって新しい最先端の技術を達成していることがわかった。
論文 参考訳（メタデータ） (2022-07-17T12:06:27Z) - Personalized Fashion Recommendation from Personal Social Media Data: An
Item-to-Set Metric Learning Approach [71.63618051547144]
ソーシャルメディアデータからパーソナライズされたファッションレコメンデーションの問題について検討する。
本稿では,ユーザの過去のファッションアイテムと新しいファッションアイテムとの類似性を学習する,アイテムツーセットのメトリック学習フレームワークを提案する。
提案手法の有効性を検証するために,実世界のソーシャルメディアデータセットを収集する。
論文 参考訳（メタデータ） (2020-05-25T23:24:24Z) - Knowledge Enhanced Neural Fashion Trend Forecasting [81.2083786318119]
本研究は,特定のユーザグループを対象とした,きめ細かいファッション要素の傾向の調査に焦点をあてる。
まず、Instagramから収集した大規模なファッショントレンドデータセット(FIT)に、時系列のファッション要素の記録とユーザー情報を抽出した。
本稿では,時系列データモデリングにおける深部再帰型ニューラルネットワークの機能を利用する知識強化型ニューラルネットワークモデル(KERN)を提案する。
論文 参考訳（メタデータ） (2020-05-07T07:42:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。