論文の概要: Modeling Fashion Influence from Photos
- arxiv url: http://arxiv.org/abs/2011.09663v1
- Date: Tue, 17 Nov 2020 20:24:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 17:31:13.204876
- Title: Modeling Fashion Influence from Photos
- Title（参考訳）: 写真からのファッション影響のモデル化
- Authors: Ziad Al-Halah, Kristen Grauman
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 108.58097776743331
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The evolution of clothing styles and their migration across the world is
intriguing, yet difficult to describe quantitatively. We propose to discover
and quantify fashion influences from catalog and social media photos. We
explore fashion influence along two channels: geolocation and fashion brands.
We introduce an approach that detects which of these entities influence which
other entities in terms of propagating their styles. We then leverage the
discovered influence patterns to inform a novel forecasting model that predicts
the future popularity of any given style within any given city or brand. To
demonstrate our idea, we leverage public large-scale datasets of 7.7M Instagram
photos from 44 major world cities (where styles are worn with variable
frequency) as well as 41K Amazon product photos (where styles are purchased
with variable frequency). Our model learns directly from the image data how
styles move between locations and how certain brands affect each other's
designs in a predictable way. The discovered influence relationships reveal how
both cities and brands exert and receive fashion influence for an array of
visual styles inferred from the images. Furthermore, the proposed forecasting
model achieves state-of-the-art results for challenging style forecasting
tasks. Our results indicate the advantage of grounding visual style evolution
both spatially and temporally, and for the first time, they quantify the
propagation of inter-brand and inter-city influences.
- Abstract（参考訳）: 服のスタイルの進化とその世界への移住は興味深いが、定量的に説明するのは難しい。
カタログやソーシャルメディアの写真からファッションの影響を発見・定量化することを提案する。
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る。
本稿では,これらのエンティティのどのエンティティが他のエンティティに影響を与えるかを検出するアプローチを提案する。
得られた影響パターンを利用して、任意の都市やブランド内の任意のスタイルの将来的な人気を予測する、新しい予測モデルに通知します。
私たちのアイデアを実証するために、大手44都市(スタイルは可変周波数)の770万instagram写真と41kのamazon製品写真(スタイルは可変周波数で購入される)の公開大規模データセットを活用しています。
我々のモデルは、場所間のスタイルの移動と、特定のブランドが互いのデザインにどのように影響するかを予測可能な方法で画像データから直接学習する。
発見された影響関係は、都市とブランドの両方が、画像から推測される様々な視覚的スタイルに対して、いかにファッションの影響を受け、受けているかを明らかにする。
さらに,提案した予測モデルにより,挑戦型予測タスクの最先端結果が得られた。
その結果,空間的にも時間的にも視覚的スタイルの進化を基盤として,ブランド間および都市間の影響の伝播を定量化した。
関連論文リスト
- TSSAT: Two-Stage Statistics-Aware Transformation for Artistic Style
Transfer [22.16475032434281]
芸術的スタイルの転送は、対象の芸術的スタイルで与えられた写真をレンダリングすることで、新しい芸術的イメージを作成することを目的としている。
既存の手法では、グローバルな統計や局所的なパッチに基づいてスタイルを学習し、実際の描画過程の注意深い考慮を欠いている。
本稿では,コンテンツとスタイルの特徴のグローバルな統計を整合させて,まずグローバルなスタイル基盤を構築する2段階統計認識変換(TSSAT)モジュールを提案する。
コンテンツとスタイルの表現をさらに強化するために、注意に基づくコンテンツ損失とパッチベースのスタイル損失という2つの新しい損失を導入する。
論文 参考訳（メタデータ） (2023-09-12T07:02:13Z) - Domain Enhanced Arbitrary Image Style Transfer via Contrastive Learning [84.8813842101747]
Contrastive Arbitrary Style Transfer (CAST) は、新しいスタイル表現学習法である。
本フレームワークは,スタイルコード符号化のための多層スタイルプロジェクタ,スタイル分布を効果的に学習するためのドメイン拡張モジュール,画像スタイル転送のための生成ネットワークという,3つのキーコンポーネントから構成される。
論文 参考訳（メタデータ） (2022-05-19T13:11:24Z) - 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) - Darks and Stripes: Effects of Clothing on Weight Perception [16.045413159119317]
ファッション界に広まる2つの逸話規則は、(1)黒服を選択し、(2)横縞を避けて、スリムな姿を見せることである。
以上の2つの主張を調査する大規模クラウドソーシング研究の結果を提示する。
論文 参考訳（メタデータ） (2020-12-11T16:14:40Z) - 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) - From Paris to Berlin: Discovering Fashion Style Influences Around the
World [108.58097776743331]
本稿では,服を着る人々の日常的なイメージから,ファッションの影響を定量化する。
我々は,他の都市がどの都市に影響を及ぼすかを,そのスタイルの伝播の観点から検出するアプローチを導入する。
次に、発見された影響パターンを活用して予測モデルに通知し、任意の都市における任意のスタイルの人気を予測します。
論文 参考訳（メタデータ） (2020-04-03T00:54:23Z) - 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。