論文の概要: PAI-BPR: Personalized Outfit Recommendation Scheme with Attribute-wise
Interpretability
- arxiv url: http://arxiv.org/abs/2008.01780v1
- Date: Tue, 4 Aug 2020 19:30:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-03 01:16:43.707906
- Title: PAI-BPR: Personalized Outfit Recommendation Scheme with Attribute-wise
Interpretability
- Title(参考訳): pai-bpr:属性ごとに解釈可能なパーソナライズされた服装推薦方式
- Authors: Dikshant Sagar, Jatin Garg, Prarthana Kansal, Sejal Bhalla, Rajiv Ratn
Shah and Yi Yu
- Abstract要約: 本論文は,個人の嗜好モデルを用いた属性ワイド解釈可能な互換性スキームを考案する。
本研究は,ファッションアイテム間の不協和性と調和性を見極めることにより,衣料品マッチングにおける解釈可能性の問題を解決する。
- 参考スコア(独自算出の注目度): 42.53598561321127
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fashion is an important part of human experience. Events such as interviews,
meetings, marriages, etc. are often based on clothing styles. The rise in the
fashion industry and its effect on social influencing have made outfit
compatibility a need. Thus, it necessitates an outfit compatibility model to
aid people in clothing recommendation. However, due to the highly subjective
nature of compatibility, it is necessary to account for personalization. Our
paper devises an attribute-wise interpretable compatibility scheme with
personal preference modelling which captures user-item interaction along with
general item-item interaction. Our work solves the problem of interpretability
in clothing matching by locating the discordant and harmonious attributes
between fashion items. Extensive experiment results on IQON3000, a publicly
available real-world dataset, verify the effectiveness of the proposed model.
- Abstract(参考訳): ファッションは人間体験の重要な部分である。
インタビュー、会議、結婚などの行事は衣料品のスタイルに基づいて行われることが多い。
ファッション産業の興隆と社会への影響により、衣装の互換性が求められている。
そのため、衣服推奨者を支援するために、服の互換性モデルが必要である。
しかしながら、互換性の極めて主観的な性質から、パーソナライズを考慮すべきである。
本稿では,ユーザ・アイテム間インタラクションと汎用アイテム間インタラクションを捉えた個人選好モデルを用いた属性別解釈可能な互換性スキームを考案する。
本研究は,ファッションアイテム間の不一致と調和性を見出すことにより,服飾の解釈可能性の問題を解決した。
公開された実世界のデータセットIQON3000の大規模な実験結果から,提案モデルの有効性が検証された。
関連論文リスト
- COutfitGAN: Learning to Synthesize Compatible Outfits Supervised by Silhouette Masks and Fashion Styles [23.301719420997927]
本稿では,任意の数のファッションアイテムに基づいて,相補的で相補的なファッションアイテムを生成する新しいタスクを提案する。
特に,衣服を構成することができるファッションアイテムを考えると,この論文の目的は,特定のファッションアイテムと互換性のある他の補完的なファッションアイテムの写実的なイメージを合成することである。
これを実現するために、ピラミッドスタイル抽出器、衣装生成装置、UNetベースのリアル/フェイク判別器、コロケーション判別器を含む、CoutfitGANと呼ばれる衣服生成フレームワークを提案する。
論文 参考訳(メタデータ) (2025-02-12T03:32:28Z) - Learning to Synthesize Compatible Fashion Items Using Semantic Alignment and Collocation Classification: An Outfit Generation Framework [59.09707044733695]
衣料品全体を合成することを目的とした,新しい衣料品生成フレームワークであるOutfitGANを提案する。
OutfitGANにはセマンティックアライメントモジュールがあり、既存のファッションアイテムと合成アイテムのマッピング対応を特徴付ける。
提案モデルの性能を評価するため,20,000のファッション衣装からなる大規模データセットを構築した。
論文 参考訳(メタデータ) (2025-02-05T12:13:53Z) - Content and Salient Semantics Collaboration for Cloth-Changing Person Re-Identification [74.10897798660314]
衣服を交換する人の再識別は、重複しないカメラで同じ人の衣服の変化を認識することを目的としている。
本稿では、並列間セマンティクスの相互作用と洗練を容易にするコンテンツ・サリアンセマンティクス協調フレームワークを提案する。
我々のフレームワークはシンプルだが有効であり、重要な設計はセマンティックス・マイニング・アンド・リファインメント(SMR)モジュールである。
論文 参考訳(メタデータ) (2024-05-26T15:17:28Z) - Clothes-Changing Person Re-Identification with Feasibility-Aware Intermediary Matching [86.04494755636613]
現在の衣服変更者の再識別(re-id)アプローチは通常、衣服に関係のない特徴に基づいて検索を行う。
本稿では,ファッション関連機能を検索に利用するためのFAIMフレームワークを提案する。
提案手法は, 広く使用されている衣服変化型re-idベンチマークにおいて, 最先端の手法よりも優れている。
論文 参考訳(メタデータ) (2024-04-15T06:58:09Z) - Learning Fashion Compatibility from In-the-wild Images [6.591937706757015]
筆者らは,自己教師型学習を通じて,現在地にあるストリートファッション画像から,互換性予測のための表現を学習する。
本研究の前提課題は、同一人物が着用する異なる項目の表現が、他人が着用するものよりも近いように定式化されている。
ファッションコンフィグレーションベンチマークとして,Polyvore と Polyvore-Disjoint の2種類について実験を行った。
論文 参考訳(メタデータ) (2022-06-13T09:05:25Z) - Sentiment Analysis of Fashion Related Posts in Social Media [36.623221002330226]
本稿では、イメージビジョン、ポストテキスト、ファッション属性のモダリティを併用して感情カテゴリーを決定する新しいフレームワークを提案する。
このタスクに適した既存のデータセットが存在しないため、我々は12万以上のファッション関連ソーシャルメディア投稿の大規模感情分析データセットを作成している。
論文 参考訳(メタデータ) (2021-11-15T14:58:09Z) - 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) - 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)
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。