論文の概要: Bootstrapping Complete The Look at Pinterest
- arxiv url: http://arxiv.org/abs/2006.10792v2
- Date: Mon, 29 Jun 2020 18:24:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 13:58:33.181712
- Title: Bootstrapping Complete The Look at Pinterest
- Title（参考訳）: pinterestのブートストラップが完成した
- Authors: Eileen Li, Eric Kim, Andrew Zhai, Josh Beal, Kunlong Gu
- Abstract要約: PinterestにおけるComplete The Look(CTL)システムのブートストラップについて説明する。
これは「スタイル整合性」の主観的な課題を学習し、衣服を完成させる補完的な項目を推薦することを目的とした技術である。
100万以上の服と400万のオブジェクトからなる私たちの服のデータセットを紹介します。
- 参考スコア（独自算出の注目度）: 8.503851753592512
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Putting together an ideal outfit is a process that involves creativity and
style intuition. This makes it a particularly difficult task to automate.
Existing styling products generally involve human specialists and a highly
curated set of fashion items. In this paper, we will describe how we
bootstrapped the Complete The Look (CTL) system at Pinterest. This is a
technology that aims to learn the subjective task of "style compatibility" in
order to recommend complementary items that complete an outfit. In particular,
we want to show recommendations from other categories that are compatible with
an item of interest. For example, what are some heels that go well with this
cocktail dress? We will introduce our outfit dataset of over 1 million outfits
and 4 million objects, a subset of which we will make available to the research
community, and describe the pipeline used to obtain and refresh this dataset.
Furthermore, we will describe how we evaluate this subjective task and compare
model performance across multiple training methods. Lastly, we will share our
lessons going from experimentation to working prototype, and how to mitigate
failure modes in the production environment. Our work represents one of the
first examples of an industrial-scale solution for compatibility-based fashion
recommendation.
- Abstract（参考訳）: 理想的な衣装を組み立てることは、創造性とスタイル直観を伴うプロセスである。
これにより、自動化が特に困難になります。
既存のスタイリング製品は通常、人間のスペシャリストと高度にキュレートされたファッションアイテムを含んでいる。
本稿では,Pinterest における Complete The Look (CTL) システムのブートストラップについて述べる。
これは、「スタイル互換性」の主観的なタスクを学習し、衣装を完成させる補完アイテムを推奨する技術である。
特に、興味のある項目と互換性のある他のカテゴリからのレコメンデーションを示したいと思っています。
例えば、このカクテルのドレスによく合うヒールは何でしょうか。
100万以上の服と400万のオブジェクトからなる私たちの服のデータセットを導入し、そのサブセットを研究コミュニティに提供し、データセットの取得と更新に使用するパイプラインについて説明します。
さらに,この主観的タスクをどのように評価し,複数のトレーニング手法でモデル性能を比較するかについて述べる。
最後に、実験から作業プロトタイプへの移行、本番環境での障害モードの緩和方法についての教訓を共有します。
我々の研究は、互換性に基づくファッションレコメンデーションのための産業規模のソリューションの最初の例の1つである。
関連論文リスト
- 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) - Outfit Generation and Recommendation -- An Experimental Study [0.0]
我々は、ヨーロッパ最大のファッションストアのオンライン、現実世界のユーザーデータを用いて、衣装生成とレコメンデーションのための異なるアルゴリズムを比較した。
我々は、パーソナライズされた衣料品生成に適したものにするために、これらのモデルのいくつかのモデルに適用した適応を提示する。
論文 参考訳（メタデータ） (2022-11-29T16:36:00Z) - An Application to Generate Style Guided Compatible Outfit [16.63265212958939]
我々は,新しいスタイルエンコーダネットワークを用いて,スタイルやテーマによってガイドされた衣装を作成することを目的としている。
様々な実験を通して,本手法の様々な側面を広範囲に解析する。
論文 参考訳（メタデータ） (2022-05-02T05:45:05Z) - 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) - Recommendation of Compatible Outfits Conditioned on Style [22.03522251199042]
この作品は、実生活で身につけるようなスタイルやテーマを前提とした衣装を作り出すことを目的としている。
我々は、スムーズなラテント空間で衣装スタイルをレンダリングする新しいスタイルエンコーダネットワークを使用している。
論文 参考訳（メタデータ） (2022-03-30T09:23:32Z) - Arbitrary Virtual Try-On Network: Characteristics Preservation and
Trade-off between Body and Clothing [85.74977256940855]
本報告では,オールタイプの衣料品を対象としたArbitrary Virtual Try-On Network (AVTON)を提案する。
AVTONは、ターゲット服と参照者の特性を保存・交換することで、現実的な試行画像を合成することができる。
提案手法は,最先端の仮想試行法と比較して性能が向上する。
論文 参考訳（メタデータ） (2021-11-24T08:59:56Z) - Apparel-invariant Feature Learning for Apparel-changed Person
Re-identification [70.16040194572406]
ほとんどのパブリックなReIDデータセットは、人の外観がほとんど変化しない短時間のウィンドウで収集される。
ショッピングモールのような現実世界の応用では、同じ人の服装が変化し、異なる人が同様の服を着ることがある。
着替えなどの場合や、類似の服を着ている場合などにおいて、アパレル不変の人物表現を学ぶことは極めて重要である。
論文 参考訳（メタデータ） (2020-08-14T03:49:14Z) - 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) - 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) - Fashion Recommendation and Compatibility Prediction Using Relational
Network [18.13692056232815]
我々は、新しい互換性学習モデルを開発するための関係ネットワーク(RN)を開発する。
FashionRNは、任意の数のアイテムを任意の順序で、服全体の互換性を学習する。
我々はPolyvoreのウェブサイトから収集した49,740の服の大規模なデータセットを用いてモデルを評価した。
論文 参考訳（メタデータ） (2020-05-13T21:00:54Z) - 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。