論文の概要: Smart Fashion: A Review of AI Applications in the Fashion & Apparel
Industry
- arxiv url: http://arxiv.org/abs/2111.00905v1
- Date: Thu, 28 Oct 2021 10:51:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-02 12:56:59.384040
- Title: Smart Fashion: A Review of AI Applications in the Fashion & Apparel
Industry
- Title（参考訳）: Smart Fashion: ファッション&アパレル産業におけるAIアプリケーションのレビュー
- Authors: Seyed Omid Mohammadi, Ahmad Kalhor (University of Tehran, College of
Engineering, School of Electrical and Computer Engineering, Tehran, Iran)
- Abstract要約: ファッションアプリケーションにおける機械学習、コンピュータビジョン、人工知能(AI)の実装は、この業界に多くの新しい機会をもたらしている。
本稿では,580件以上の関連記事から,22件のファッション関連タスクに分類し,包括的調査を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The fashion industry is on the verge of an unprecedented change. The
implementation of machine learning, computer vision, and artificial
intelligence (AI) in fashion applications is opening lots of new opportunities
for this industry. This paper provides a comprehensive survey on this matter,
categorizing more than 580 related articles into 22 well-defined
fashion-related tasks. Such structured task-based multi-label classification of
fashion research articles provides researchers with explicit research
directions and facilitates their access to the related studies, improving the
visibility of studies simultaneously. For each task, a time chart is provided
to analyze the progress through the years. Furthermore, we provide a list of 86
public fashion datasets accompanied by a list of suggested applications and
additional information for each.
- Abstract（参考訳）: ファッション業界は前例のない変化に近づいている。
ファッションアプリケーションにおける機械学習、コンピュータビジョン、人工知能(AI)の実装は、この業界に多くの新しい機会をもたらしている。
本稿では,580件以上の関連記事から,22件のファッション関連タスクに分類し,包括的調査を行う。
このような構造化タスクに基づくファッション研究論文のマルチラベル分類は、研究者に明示的な研究の方向性を与え、関連する研究へのアクセスを促進し、同時に研究の可視性を向上させる。
各タスクについて、経年変化を分析するためのタイムチャートが提供される。
さらに,提案するアプリケーションのリストと追加情報とともに,86のパブリックファッションデータセットのリストを提供する。
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) - Social Media Fashion Knowledge Extraction as Captioning [61.41631195195498]
ソーシャルメディアにおけるファッション知識抽出の課題について検討する。
ファッション知識を文変換法を用いて自然言語キャプションに変換する。
このフレームワークは,ソーシャルメディア投稿から直接文ベースのファッション知識を生成することを目的としている。
論文 参考訳（メタデータ） (2023-09-28T09:07:48Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - Retrieval-Enhanced Machine Learning [110.5237983180089]
本稿では,いくつかの既存モデルを含む汎用的な検索強化機械学習フレームワークについて述べる。
REMLは情報検索の慣例に挑戦し、最適化を含む中核領域における新たな進歩の機会を提示している。
REMLリサーチアジェンダは、情報アクセス研究の新しいスタイルの基礎を築き、機械学習と人工知能の進歩への道を開く。
論文 参考訳（メタデータ） (2022-05-02T21:42:45Z) - fAshIon after fashion: A Report of AI in Fashion [19.188864062289433]
本報告はファッション産業におけるfAshIon(Artificial Intelligence)の発展について考察する。
近い将来、ファッション業界の大きなディスラプターになる可能性を模索しています。
私たちの主な研究の一環として、ファッション業界で応用fAshIonの幅広いケースをレビューしています。
ファッションが提示する課題を特定し,今後の研究の基盤となる可能性を示唆する。
論文 参考訳（メタデータ） (2021-05-07T03:38:37Z) - 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) - Fashion Landmark Detection and Category Classification for Robotics [15.134184609780924]
我々は、大規模なファッションデータセットから、ロボットラボで収集されたあまり構造化されていない小さなデータセットまでを一般化できる技術に焦点を当てる。
提案手法は, これまでに見つからなかったデータセットを用いて, 衣服カテゴリー分類やファッションランドマーク検出において, 最先端技術モデルよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-03-26T10:53:26Z)
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。