論文の概要: An Application to Generate Style Guided Compatible Outfit

• arxiv url: http://arxiv.org/abs/2205.00663v1
• Date: Mon, 2 May 2022 05:45:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-03 23:13:33.028775
• Title: An Application to Generate Style Guided Compatible Outfit
• Title（参考訳）: スタイルガイド付きコンパチブル服の試作
• Authors: Debopriyo Banerjee, Harsh Maheshwari, Lucky Dhakad1, Arnab Bhattacharya1, Niloy Ganguly, Muthusamy Chelliah and Suyash Agarwal1
• Abstract要約: 我々は,新しいスタイルエンコーダネットワークを用いて,スタイルやテーマによってガイドされた衣装を作成することを目的としている。 様々な実験を通して,本手法の様々な側面を広範囲に解析する。
• 参考スコア（独自算出の注目度）: 16.63265212958939
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fashion recommendation has witnessed a phenomenal growth of research, particularly in the domains of shop-the-look, contextaware outfit creation, personalizing outfit creation etc. Majority of the work in this area focuses on better understanding of the notion of complimentary relationship between lifestyle items. Quite recently, some works have realised that style plays a vital role in fashion, especially in the understanding of compatibility learning and outfit creation. In this paper, we would like to present the end-to-end design of a methodology in which we aim to generate outfits guided by styles or themes using a novel style encoder network. We present an extensive analysis of different aspects of our method through various experiments. We also provide a demonstration api to showcase the ability of our work in generating outfits based on an anchor item and styles.
• Abstract（参考訳）: 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、特にショップ・ザ・ルック、コンテクストウェア、パーソナライズド衣料品作成などの分野において、驚くべき成長を遂げている。 この分野での作業の大部分は、ライフスタイルアイテム間の補完的関係の概念をよりよく理解することに焦点を当てている。 最近では、スタイルがファッションにおいて、特に互換性の学習と服装の創造の理解において重要な役割を果たすことに気付いた作品もある。 本稿では,新しいスタイルエンコーダネットワークを用いて,スタイルやテーマによってガイドされた衣装を創出することを目的とした方法論のエンドツーエンド設計を提案する。 様々な実験を通して,本手法の様々な側面を広範囲に解析する。 また、アンカーアイテムやスタイルに基づいた衣装作成における作業の能力を示すためのデモapiも提供します。

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)
• DressCode: Autoregressively Sewing and Generating Garments from Text Guidance [61.48120090970027]
  DressCodeは、初心者向けのデザインを民主化し、ファッションデザイン、バーチャルトライオン、デジタルヒューマン創造において大きな可能性を秘めている。 まず,テキスト条件の埋め込みとクロスアテンションを統合して縫製パターンを生成する,GPTベースのアーキテクチャであるSewingGPTを紹介する。 次に、トレーニング済みの安定拡散を調整し、タイルベースの衣服用物理レンダリング(PBR)テクスチャを生成します。
  論文  参考訳（メタデータ） (2024-01-29T16:24:21Z)
• 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)
• 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)
• Recommendation of Compatible Outfits Conditioned on Style [22.03522251199042]
  この作品は、実生活で身につけるようなスタイルやテーマを前提とした衣装を作り出すことを目的としている。 我々は、スムーズなラテント空間で衣装スタイルをレンダリングする新しいスタイルエンコーダネットワークを使用している。
  論文  参考訳（メタデータ） (2022-03-30T09:23:32Z)
• Semi-Supervised Visual Representation Learning for Fashion Compatibility [17.893627646979038]
  そこで本研究では,フライ時に擬陽性で擬陰性な衣服を作成できる半教師付き学習手法を提案する。 トレーニングバッチ内の各ラベル付き服について、ラベル付服の各項目とラベル付品とをマッチングすることにより、擬似アウトフィットを得る。 我々はPolyvore、Polyvore-D、新たに作成した大規模Fashion Outfitsデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2021-09-16T15:35:38Z)
• 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)
• 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)
• Bootstrapping Complete The Look at Pinterest [8.503851753592512]
  PinterestにおけるComplete The Look(CTL)システムのブートストラップについて説明する。 これは「スタイル整合性」の主観的な課題を学習し、衣服を完成させる補完的な項目を推薦することを目的とした技術である。 100万以上の服と400万のオブジェクトからなる私たちの服のデータセットを紹介します。
  論文  参考訳（メタデータ） (2020-06-18T18:20:19Z)
• 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)
• 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。