論文の概要: MMFashion: An Open-Source Toolbox for Visual Fashion Analysis

• arxiv url: http://arxiv.org/abs/2005.08847v2
• Date: Tue, 19 May 2020 02:33:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-01 23:58:23.047326
• Title: MMFashion: An Open-Source Toolbox for Visual Fashion Analysis
• Title（参考訳）: MMFashion:ビジュアルファッション分析のためのオープンソースのツールボックス
• Authors: Xin Liu, Jiancheng Li, Jiaqi Wang, Ziwei Liu
• Abstract要約: MMFashionはPyTorchをベースとしたオープンソースのビジュアルファッション分析ツールボックスである。 Fashion Attribute Prediction、Fashion Recognition and Retrieval、Fashion Landmark Detection、Fashion Parsing、Fashion Compatibility and Recommendationなど、幅広いファッション分析タスクをサポートする。
• 参考スコア（独自算出の注目度）: 39.186485821323004
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present MMFashion, a comprehensive, flexible and user-friendly open-source visual fashion analysis toolbox based on PyTorch. This toolbox supports a wide spectrum of fashion analysis tasks, including Fashion Attribute Prediction, Fashion Recognition and Retrieval, Fashion Landmark Detection, Fashion Parsing and Segmentation and Fashion Compatibility and Recommendation. It covers almost all the mainstream tasks in fashion analysis community. MMFashion has several appealing properties. Firstly, MMFashion follows the principle of modular design. The framework is decomposed into different components so that it is easily extensible for diverse customized modules. In addition, detailed documentations, demo scripts and off-the-shelf models are available, which ease the burden of layman users to leverage the recent advances in deep learning-based fashion analysis. Our proposed MMFashion is currently the most complete platform for visual fashion analysis in deep learning era, with more functionalities to be added. This toolbox and the benchmark could serve the flourishing research community by providing a flexible toolkit to deploy existing models and develop new ideas and approaches. We welcome all contributions to this still-growing efforts towards open science: https://github.com/open-mmlab/mmfashion.
• Abstract（参考訳）: PyTorchをベースとした,包括的でフレキシブルでユーザフレンドリなオープンソースビジュアルファッション分析ツールボックスMMFashionを提案する。 このツールボックスは、ファッション属性の予測、ファッション認識と検索、ファッションランドマークの検出、ファッション解析とセグメンテーション、ファッション互換性とレコメンデーションを含む、幅広いファッション分析タスクをサポートする。 ファッション分析コミュニティのほぼすべての主要なタスクをカバーしている。 MMFashionにはいくつかの魅力的な特性がある。 まず、MMFashionはモジュラー設計の原則に従う。 フレームワークは異なるコンポーネントに分解され、多様なカスタマイズされたモジュールを簡単に拡張できる。 さらに、詳細なドキュメンテーション、デモスクリプト、オフザシェルフモデルも利用可能で、ディープラーニングベースのファッション分析の最近の進歩を活用するために、レイマンユーザの負担が軽減される。 提案するMMFashionは現在、ディープラーニング時代の視覚的ファッション分析のための最も完全なプラットフォームであり、さらに機能が追加されるべきである。 このツールボックスとベンチマークは、既存のモデルをデプロイし、新しいアイデアやアプローチを開発するための柔軟なツールキットを提供することで、繁栄する研究コミュニティに役立ちます。 オープンサイエンスへのこの成長を続ける取り組みへのすべての貢献を歓迎する。

関連論文リスト

• FashionFail: Addressing Failure Cases in Fashion Object Detection and Segmentation [7.483981721542115]
  FashionFailは、オブジェクトの検出とセグメンテーションのためのEコマースイメージを備えた新しいデータセットである。 分析の結果,Attribute-Mask R-CNN や Fashionformer など,主要なモデルの欠点が明らかになった。 本稿では,一般的な障害を緩和し,モデルロバスト性を改善するために,単純データ拡張を用いたベースラインアプローチを提案する。
  論文  参考訳（メタデータ） (2024-04-12T16:28:30Z)
• 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)
• FashionTex: Controllable Virtual Try-on with Text and Texture [29.7855591607239]
  テキストとテクスチャの両方の利点を多段階のファッション操作に組み合わせたマルチモーダル・インタラクティブ・セッティングを提案する。 FashionTexフレームワークは、アノテーション付きのペアトレーニングデータなしで、布の種類や局所的なテクスチャパターンを意味的に制御することができる。
  論文  参考訳（メタデータ） (2023-05-08T04:10:36Z)
• Fashionformer: A simple, Effective and Unified Baseline for Human Fashion Segmentation and Recognition [80.74495836502919]
  本研究では,共同ファッションセグメンテーションと属性認識に着目した。 本稿では,セグメンテーションのためのオブジェクトクエリと属性予測のための属性クエリを紹介する。 属性ストリームのために,よりきめ細かい特徴を探索する新しいマルチレイヤレンダリングモジュールを設計する。
  論文  参考訳（メタデータ） (2022-04-10T11:11:10Z)
• 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)
• Learning Diverse Fashion Collocation by Neural Graph Filtering [78.9188246136867]
  本稿では,グラフニューラルネットワークを用いて,フレキシブルなファッションアイテムセットをモデル化する新しいファッションコロケーションフレームワークであるNeural Graph Filteringを提案する。 エッジベクトルに対称演算を適用することにより、このフレームワークは様々な入力/出力を許容し、それらの順序に不変である。 提案手法を,Polyvoreデータセット,Polyvore-Dデータセット,Amazon Fashionデータセットの3つの一般的なベンチマークで評価した。
  論文  参考訳（メタデータ） (2020-03-11T16:17:08Z)

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。