論文の概要: Shop The Look: Building a Large Scale Visual Shopping System at Pinterest

• arxiv url: http://arxiv.org/abs/2006.10866v1
• Date: Thu, 18 Jun 2020 21:38:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-19 14:09:52.110450
• Title: Shop The Look: Building a Large Scale Visual Shopping System at Pinterest
• Title（参考訳）: Shop The Look:Pinterestで大規模なビジュアルショッピングシステムを構築する
• Authors: Raymond Shiau, Hao-Yu Wu, Eric Kim, Yue Li Du, Anqi Guo, Zhiyuan Zhang, Eileen Li, Kunlong Gu, Charles Rosenberg, Andrew Zhai
• Abstract要約: Shop The LookはPinterestのオンラインショッピング発見サービスで、ビジュアル検索を利用してユーザーが画像内で商品を見つけて購入することができる。 本稿では,オブジェクト検出と視覚埋め込みのコア技術,リアルタイム推論のためのインフラストラクチャの提供,トレーニング/評価データ収集と人的評価のためのデータラベリング手法などについて論じる。 システム設計選択のユーザによる影響は、オフライン評価、人間関係判断、オンラインA/B実験によって測定される。
• 参考スコア（独自算出の注目度）: 16.132346347702075
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As online content becomes ever more visual, the demand for searching by visual queries grows correspondingly stronger. Shop The Look is an online shopping discovery service at Pinterest, leveraging visual search to enable users to find and buy products within an image. In this work, we provide a holistic view of how we built Shop The Look, a shopping oriented visual search system, along with lessons learned from addressing shopping needs. We discuss topics including core technology across object detection and visual embeddings, serving infrastructure for realtime inference, and data labeling methodology for training/evaluation data collection and human evaluation. The user-facing impacts of our system design choices are measured through offline evaluations, human relevance judgements, and online A/B experiments. The collective improvements amount to cumulative relative gains of over 160% in end-to-end human relevance judgements and over 80% in engagement. Shop The Look is deployed in production at Pinterest.
• Abstract（参考訳）: オンラインコンテンツがますます視覚的になるにつれて、ビジュアルクエリによる検索の需要は増大する。 Shop The LookはPinterestのオンラインショッピング発見サービスで、ビジュアル検索を利用してユーザーが画像内で商品を見つけて購入することができる。 本研究は,ショッピング指向のビジュアル検索システムであるshop the lookの構築方法と,ショッピングニーズへの対応から学んだ教訓の全体像を提供する。 本稿では,オブジェクト検出と視覚埋め込みのコア技術,リアルタイム推論のためのインフラストラクチャ提供,トレーニング/評価のためのデータラベリング方法論,人間評価などについて論じる。 システム設計選択のユーザによる影響は、オフライン評価、人間関係判断、オンラインA/B実験によって測定される。 集団的な改善は、エンド・ツー・エンドの人間関係判断で160%以上、エンゲージメントで80%以上、累積的な相対的な利益に相当します。 shop the lookはpinterestで運用されている。

関連論文リスト

• Exploring Query Understanding for Amazon Product Search [62.53282527112405]
  問合せ理解に基づくランキング機能がどのようにランキングに影響を及ぼすかを検討する。 ランク付けのためのクエリ理解に基づくマルチタスク学習フレームワークを提案する。 本研究は,Amazon Searchにおける実世界のシステムを用いた調査・調査である。
  論文  参考訳（メタデータ） (2024-08-05T03:33:11Z)
• Freeview Sketching: View-Aware Fine-Grained Sketch-Based Image Retrieval [85.73149096516543]
  微細スケッチベース画像検索(FG-SBIR)におけるスケッチ作成時の視点選択について検討する。 パイロットスタディでは、クエリスケッチがターゲットインスタンスと異なる場合、システムの苦労を強調している。 これを解決するために、ビューに依存しないタスクとビュー固有のタスクの両方をシームレスに収容するビューアウェアシステムを提案する。
  論文  参考訳（メタデータ） (2024-07-01T21:20:44Z)
• A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
  水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。 多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
  論文  参考訳（メタデータ） (2024-05-30T04:46:40Z)
• Shopping Queries Image Dataset (SQID): An Image-Enriched ESCI Dataset for Exploring Multimodal Learning in Product Search [0.6106642353538779]
  Shopping Queriesイメージデータセット(SQID)は、Amazon Shopping Queriesデータセットの拡張で、190,000の製品に関連するイメージ情報に富んでいる。 視覚情報を統合することで、SQIDは製品検索とランキングを改善するためのマルチモーダル学習技術の研究を促進する。 本稿では,SQIDと事前学習モデルを用いて,検索とランキングにマルチモーダルデータを用いることの価値を示す実験結果を提案する。
  論文  参考訳（メタデータ） (2024-05-24T03:50:31Z)
• Efficient Large-Scale Visual Representation Learning And Evaluation [0.13192560874022083]
  大規模なeコマースビジョンアプリケーションにおける課題を解説し、視覚表現を効果的に訓練し、評価し、提供する方法を強調する。 いくつかの下流タスクにおける視覚的表現を評価するアブレーション研究について述べる。 大規模なeコマースプラットフォーム上にデプロイされた機械学習システムの実運用におけるオンライン結果を含める。
  論文  参考訳（メタデータ） (2023-05-22T18:25:03Z)
• Visually Similar Products Retrieval for Shopsy [0.0]
  マルチタスク学習手法を用いて,リセラーコマースのためのビジュアル検索システムを設計する。 我々のモデルは属性分類、三重項ランク付け、変分オートエンコーダ(VAE)の3つの異なるタスクからなる。
  論文  参考訳（メタデータ） (2022-10-10T10:59:18Z)
• ItemSage: Learning Product Embeddings for Shopping Recommendations at Pinterest [60.841761065439414]
  Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。 このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
  論文  参考訳（メタデータ） (2022-05-24T02:28:58Z)
• Characterization of Frequent Online Shoppers using Statistical Learning with Sparsity [54.26540039514418]
  本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
  論文  参考訳（メタデータ） (2021-11-11T05:36:39Z)
• Vision-based Price Suggestion for Online Second-hand Items [40.42940050851797]
  オンラインセカンドアイテムショッピングプラットフォームのためのビジョンベースの価格提案システムを提示します。 ビジョンベースの価格提案の目的は、売り手がオンラインプラットフォームにアップロードされた画像で中古リストの効果的な価格を設定するのを助けることです。
  論文  参考訳（メタデータ） (2020-12-10T22:56:29Z)
• Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
  人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。 人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
  論文  参考訳（メタデータ） (2020-01-13T12:49:22Z)

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。