論文の概要: From Paris to Berlin: Discovering Fashion Style Influences Around the
World
- arxiv url: http://arxiv.org/abs/2004.01316v2
- Date: Sun, 9 Aug 2020 02:34:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-17 04:53:50.118490
- Title: From Paris to Berlin: Discovering Fashion Style Influences Around the
World
- Title（参考訳）: パリからベルリンへ:世界中のファッションスタイルの影響を発見
- Authors: Ziad Al-Halah, Kristen Grauman
- Abstract要約: 本稿では,服を着る人々の日常的なイメージから,ファッションの影響を定量化する。
我々は,他の都市がどの都市に影響を及ぼすかを,そのスタイルの伝播の観点から検出するアプローチを導入する。
次に、発見された影響パターンを活用して予測モデルに通知し、任意の都市における任意のスタイルの人気を予測します。
- 参考スコア（独自算出の注目度）: 108.58097776743331
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The evolution of clothing styles and their migration across the world is
intriguing, yet difficult to describe quantitatively. We propose to discover
and quantify fashion influences from everyday images of people wearing clothes.
We introduce an approach that detects which cities influence which other cities
in terms of propagating their styles. We then leverage the discovered influence
patterns to inform a forecasting model that predicts the popularity of any
given style at any given city into the future. Demonstrating our idea with
GeoStyle---a large-scale dataset of 7.7M images covering 44 major world cities,
we present the discovered influence relationships, revealing how cities exert
and receive fashion influence for an array of 50 observed visual styles.
Furthermore, the proposed forecasting model achieves state-of-the-art results
for a challenging style forecasting task, showing the advantage of grounding
visual style evolution both spatially and temporally.
- Abstract（参考訳）: 服のスタイルの進化とその世界への移住は興味深いが、定量的に説明するのは難しい。
着ている人の日常のイメージからファッションの影響を発見・定量化することを提案する。
我々は,他の都市がどの都市に影響を及ぼすかを検出する手法を導入する。
次に、発見された影響パターンを活用して予測モデルに通知し、任意の都市における任意のスタイルの人気を予測します。
44大都市を対象とする7.7M画像の大規模なデータセットであるGeoStyleを用いて、私たちのアイデアを実証し、都市が50の視覚的スタイルに対してどのようにしてファッションの影響を受け、受けているかを明らかにする。
さらに,提案した予測モデルは,空間的および時間的に視覚的スタイルの進化の基盤となることの利点を示す,挑戦的なスタイル予測タスクの最先端結果を実現する。
関連論文リスト
- Effective Urban Region Representation Learning Using Heterogeneous Urban
Graph Attention Network (HUGAT) [0.0]
都市域の表現を学習するためのヘテロジニアスな都市グラフアテンションネットワーク(HUGAT)を提案する。
ニューヨークのデータに関する我々の実験では、HUGATは最先端のすべてのモデルより優れています。
論文 参考訳（メタデータ） (2022-02-18T04:59:20Z) - From Culture to Clothing: Discovering the World Events Behind A Century
of Fashion Images [100.20851232528925]
本稿では,着る衣服に影響を及ぼす特定の文化的要因を特定するための,データ駆動型アプローチを提案する。
私たちの仕事は、計算的、スケーラブルで、簡単にリフレッシュ可能なアプローチによる、カルチャーと衣服のリンクに向けた第一歩です。
論文 参考訳（メタデータ） (2021-02-02T18:58:21Z) - Discovering Underground Maps from Fashion [80.02941583103612]
本研究では,都市部の地下地図を自動的に作成する手法を提案する。
本手法は,都市全域から公開されている画像を用いて,類似のファッションセンスを持つ地域を探索し,地図を監督せずにセグメント化する。
論文 参考訳（メタデータ） (2020-12-04T23:40:59Z) - Modeling Fashion Influence from Photos [108.58097776743331]
位置情報とファッションブランドの2つのチャンネルに沿って、ファッションの影響を探究する。
44大都市からの770万枚のInstagramの写真の大規模なデータセットを活用しています。
以上の結果から,空間的・時間的に視覚的スタイルを進化させる利点が示唆された。
論文 参考訳（メタデータ） (2020-11-17T20:24:03Z) - Addressing the Cold-Start Problem in Outfit Recommendation Using Visual
Preference Modelling [51.147871738838305]
本稿では,新しい視覚的嗜好モデリング手法を活用することで,新規ユーザに対するコールドスタート問題に対処する。
機能重み付けクラスタリングによるアプローチの活用を実演し、時事指向の衣装レコメンデーションをパーソナライズする。
論文 参考訳（メタデータ） (2020-08-04T10:07:09Z) - 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) - Fashion Meets Computer Vision: A Survey [41.41993143419999]
本稿では,知的なファッションを実現するための4つの主要な側面をカバーする200以上の主要なファッション関連作品について,包括的調査を行う。
各タスクについて、ベンチマークデータセットと評価プロトコルを要約する。
論文 参考訳（メタデータ） (2020-03-31T07:08:23Z)
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。