論文の概要: Garment Recommendation with Memory Augmented Neural Networks

• arxiv url: http://arxiv.org/abs/2012.06200v1
• Date: Fri, 11 Dec 2020 09:13:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-11 13:58:38.619715
• Title: Garment Recommendation with Memory Augmented Neural Networks
• Title（参考訳）: メモリ拡張ニューラルネットワークを用いた衣服推薦
• Authors: Lavinia De Divitiis, Federico Becattini, Claudio Baecchi, Alberto Del Bimbo
• Abstract要約: 記憶増強ニューラルネットワーク(MANN)を活用した、トップスとボトムスという異なる衣料品をペアリングする衣料推奨システムを提案する。 推奨事項を洗練するために、Matrix Factorizationを介してユーザーの好みを含める。 オンラインファッションコミュニティから収集したデータセット iqon3000 について実験を行い,その成果を報告する。
• 参考スコア（独自算出の注目度）: 28.93484698024234
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fashion plays a pivotal role in society. Combining garments appropriately is essential for people to communicate their personality and style. Also different events require outfits to be thoroughly chosen to comply with underlying social clothing rules. Therefore, combining garments appropriately might not be trivial. The fashion industry has turned this into a massive source of income, relying on complex recommendation systems to retrieve and suggest appropriate clothing items for customers. To perform better recommendations, personalized suggestions can be performed, taking into account user preferences or purchase histories. In this paper, we propose a garment recommendation system to pair different clothing items, namely tops and bottoms, exploiting a Memory Augmented Neural Network (MANN). By training a memory writing controller, we are able to store a non-redundant subset of samples, which is then used to retrieve a ranked list of suitable bottoms to complement a given top. In particular, we aim at retrieving a variety of modalities in which a certain garment can be combined. To refine our recommendations, we then include user preferences via Matrix Factorization. We experiment on IQON3000, a dataset collected from an online fashion community, reporting state of the art results.
• Abstract（参考訳）: ファッションは社会において重要な役割を果たす。 服装を適切に組み合わせることは、人格や様式を伝える上で不可欠である。 また、社会的な服装規則に従うために、衣装を徹底的に選ぶ必要がある。 したがって、衣服を適切に組み合わせることは簡単ではない。 ファッション業界は、これを巨大な収入源にしており、顧客に適した衣服を検索し、提案するための複雑なレコメンデーションシステムに依存している。 より良い推奨を行うために、ユーザーの好みや購入履歴を考慮してパーソナライズされた提案を行うことができる。 本稿では,記憶拡張型ニューラルネットワーク(mann)を活用し,異なる衣料品(トップスとボトムス)をペアリングする衣料推奨システムを提案する。 メモリ書き込みコントローラをトレーニングすることで、サンプルの非冗長なサブセットを格納し、与えられたトップを補完するために適切なボトムのランクリストを取得することができる。 特に、特定の衣服を組み合わせることができる様々なモダリティを検索することを目的としている。 推奨を洗練させるために、Matrix Factorizationを通じてユーザの好みを含めます。 オンラインファッションコミュニティから収集したデータセット iqon3000 について実験を行い,その成果を報告する。

関連論文リスト

• Interactive Garment Recommendation with User in the Loop [77.35411131350833]
  我々は,服を作るために補完的なアイテムを推奨するので,ユーザ反応を統合することでユーザプロファイルをその場で構築することを提案する。 本稿では,適切な衣服を提案し,ユーザのフィードバックを取り入れて推薦を改善することができる強化学習エージェントを提案する。
  論文  参考訳（メタデータ） (2024-02-18T16:01:28Z)
• 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)
• Transformer-based Graph Neural Networks for Outfit Generation [22.86041284499166]
  TGNNは、畳み込みグラフニューラルネットワークにおけるメッセージパッシングステップとして、多面的な自己注意を利用して、グラフ内の衣服アイテム間の関係をキャプチャする。 畳み込みグラフニューラルネットワークにおけるメッセージパッシングステップとして,多面的な自己注意を利用して,グラフ内の衣服アイテム間の関係をキャプチャするトランスフォーマーアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-04-17T09:18:45Z)
• Fashion Recommendation Based on Style and Social Events [22.108561712922047]
  ファッションレコメンデーション(ファッションレコメンデーション)は、クエリーウェアを与えられたり、特定のユーザに適した服装を検索するタスクとして、しばしば拒否される。 本研究では,提案するドレッシングのスタイルに基づいたセマンティックレイヤを追加することで,この問題に対処する。 我々は,色の組み合わせパターンの背景に隠された気分と感情と,特定の種類の社会イベントにおいて得られた衣服の適切性という2つの重要な側面に基づいて,スタイルをモデル化する。
  論文  参考訳（メタデータ） (2022-08-01T10:14:54Z)
• 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)
• SMPLicit: Topology-aware Generative Model for Clothed People [65.84665248796615]
  SMPLicitは、身体のポーズ、形状、衣服の形状を共同で表現する新しい生成モデルである。 実験では,3dスキャンの装着や,服装者の画像の3d再構成にsmplicitが容易に利用できることを示す。
  論文  参考訳（メタデータ） (2021-03-11T18:57:03Z)
• Learning Tuple Compatibility for Conditional OutfitRecommendation [13.265372545945112]
  MCAN(Mixed Category Attention Net)は、細粒度および粗いカテゴリ情報をレコメンデーションに統合する。 MCANは必要に応じて、多種多様な制御可能なレコメンデーションを明示的にかつ効果的に生成できる。 新しいデータセットIQONはレコメンデーションシステムの一般化をテストするために使用できる。
  論文  参考訳（メタデータ） (2020-08-18T23:22:16Z)
• 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。