論文の概要: CAT STREET: Chronicle Archive of Tokyo Street-fashion
- arxiv url: http://arxiv.org/abs/2009.13395v2
- Date: Thu, 29 Apr 2021 13:54:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 22:43:54.354528
- Title: CAT STREET: Chronicle Archive of Tokyo Street-fashion
- Title（参考訳）: CAT STREET: Chronicle Archive of Tokyo Street-fashion
- Authors: Satoshi Takahashi, Keiko Yamaguchi, and Asuka Watanabe
- Abstract要約: 本稿では,東京ストリートファッションのファッションイメージアーカイブであるクロニクル・アーカイブ・オブ・東京ストリートファッション(CAT STREET)を提案する。
CAT STREETには1970年から2017年にかけての日常生活で何を着ていたかの画像が含まれており、これらの画像にはタイムスタンプやストリートロケーションのアノテーションが含まれています。
このデータベースと機械学習を組み合わせることで,日常のファッショントレンドを長期にわたって観察し,定量的に分析することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The analysis of daily-life fashion trends can provide us a profound
understanding of our societies and cultures. However, no appropriate digital
archive exists that includes images illustrating what people wore in their
daily lives over an extended period. In this study, we propose a new fashion
image archive, Chronicle Archive of Tokyo Street-fashion (CAT STREET), to shed
light on daily-life fashion trends. CAT STREET includes images showing what
people wore in their daily lives during 1970--2017, and these images contain
timestamps and street location annotations. This novel database combined with
machine learning enables us to observe daily-life fashion trends over a long
term and analyze them quantitatively. To evaluate the potential of our proposed
approach with the novel database, we corroborated the rules-of-thumb of two
fashion trend phenomena that have been observed and discussed qualitatively in
previous studies. Through these empirical analyses, we verified that our
approach to quantify fashion trends can help in exploring unsolved research
questions. We also demonstrate CAT STREET's potential to find new standpoints
to promote the understanding of societies and cultures through fashion embedded
in consumers' daily lives.
- Abstract（参考訳）: 日常生活のファッショントレンドの分析は、私たちの社会や文化を深く理解する上で役立ちます。
しかし、長期にわたって人々が日常生活で身に着けたものを示す画像を含む適切なデジタルアーカイブは存在しない。
本研究では,東京ストリートファッションのファッションイメージアーカイブであるクロニクル・アーカイブ・オブ・東京ストリートファッション(CAT STREET)を提案する。
CAT STREETには1970年から2017年にかけての日常生活で何を着ていたかの画像が含まれており、これらの画像にはタイムスタンプとストリートロケーションアノテーションが含まれている。
この新しいデータベースと機械学習を組み合わせることで,日々のファッショントレンドを長期にわたって観察し,定量的に分析することができる。
提案手法の可能性を新しいデータベースで評価するために,従来研究されてきた2つのファッショントレンド現象のルールを整理し,質的に考察した。
これらの経験的分析を通して、ファッショントレンドを定量化するアプローチが未解決の研究課題の探索に役立つことを検証した。
また,CAT STREETが消費者の日常生活に埋め込まれたファッションを通じて,社会や文化の理解を促進する新たな視点を見出す可能性を示した。
関連論文リスト
- 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) - Leveraging Multiple Relations for Fashion Trend Forecasting Based on
Social Media [72.06420633156479]
Relation Enhanced Attention Recurrent(REAR)ネットワークという改良モデルを提案する。
KERNと比較して、REARモデルはファッション要素間の関係だけでなく、ユーザグループ間の関係も活用する。
長期トレンド予測の性能をさらに向上させるために、REAR法はスライディング時間的注意メカニズムを考案する。
論文 参考訳（メタデータ） (2021-05-07T14:52:03Z) - 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) - 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) - 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) - Using Artificial Intelligence to Analyze Fashion Trends [0.76146285961466]
本研究では,人工知能(A.I.)アルゴリズムを用いたデータ駆動量抽象手法を提案する。
A.I.モデルは、さまざまなシナリオ下で大規模なデータセットのファッションイメージに基づいてトレーニングされた。
A.I.モデルは検出された領域の豊富な記述を生成でき、画像中の衣服を正確に結合できることがわかった。
論文 参考訳（メタデータ） (2020-05-03T04:46:12Z) - 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。