論文の概要: Chat-to-Design: AI Assisted Personalized Fashion Design
- arxiv url: http://arxiv.org/abs/2207.01058v1
- Date: Sun, 3 Jul 2022 14:54:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-05 13:29:01.474757
- Title: Chat-to-Design: AI Assisted Personalized Fashion Design
- Title(参考訳): チャット・トゥ・デザイン:AIによるパーソナライズされたファッションデザイン
- Authors: Weiming Zhuang, Chongjie Ye, Ying Xu, Pengzhi Mao, Shuai Zhang
- Abstract要約: Chat-to-Designは、パーソナライズされたファッションデザインのための新しいマルチモーダルインタラクションシステムである。
1)会話による粗粒度選択と,2)対話型インタフェースによる細粒度編集の2つのステップで衣服をデザインすることができる。
- 参考スコア(独自算出の注目度): 13.273311916332725
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this demo, we present Chat-to-Design, a new multimodal interaction system
for personalized fashion design. Compared to classic systems that recommend
apparel based on keywords, Chat-to-Design enables users to design clothes in
two steps: 1) coarse-grained selection via conversation and 2) fine-grained
editing via an interactive interface. It encompasses three sub-systems to
deliver an immersive user experience: A conversation system empowered by
natural language understanding to accept users' requests and manages dialogs; A
multimodal fashion retrieval system empowered by a large-scale pretrained
language-image network to retrieve requested apparel; A fashion design system
empowered by emerging generative techniques to edit attributes of retrieved
clothes.
- Abstract(参考訳): このデモでは、パーソナライズされたファッションデザインのための新しいマルチモーダルインタラクションシステムChat-to-Designを紹介する。
キーワードに基づくアパレルを推奨する古典的なシステムと比較して、Chat-to-Designでは、ユーザーは2つのステップで服をデザインできる。
1)会話による粗粒度選択
2)インタラクティブインタフェースによる細かな編集。
没入型ユーザエクスペリエンスを提供するための3つのサブシステムを含む: 自然言語理解によってユーザの要求を受け付け、ダイアログを管理するための会話システム、要求されたアパレルを検索するための大規模事前訓練された言語イメージネットワークによって権限付けられたマルチモーダルファッション検索システム、検索された服の属性を編集する新しい生成技術によって権限付けられたファッションデザインシステム。
関連論文リスト
- Chat2Layout: Interactive 3D Furniture Layout with a Multimodal LLM [37.640412098917636]
マルチモーダル言語モデル(MLLM)の機能を拡張するインタラクティブな家具レイアウト生成システムを提案する。
本フレームワークでは,MLLMのレイアウト計画に関する推論を支援する,新しい学習自由な視覚機構を提案する。
実験により,本手法は多種多様な複雑な3次元家具の言語間相互作用の生成と配置を容易にすることが示された。
論文 参考訳(メタデータ) (2024-07-31T04:49:46Z) - Let's Go Real Talk: Spoken Dialogue Model for Face-to-Face Conversation [55.043492250775294]
本稿では,新しい対面音声対話モデルを提案する。
ユーザ入力から音声視覚音声を処理し、応答として音声視覚音声を生成する。
また,最初の大規模マルチモーダル音声対話コーパスであるMultiDialogを紹介する。
論文 参考訳(メタデータ) (2024-06-12T04:48:36Z) - Multi-User MultiWOZ: Task-Oriented Dialogues among Multiple Users [51.34484827552774]
マルチユーザMulti-User MultiWOZデータセットを2つのユーザと1つのエージェント間のタスク指向対話としてリリースする。
これらの対話は、タスク指向のシナリオにおける協調的な意思決定の興味深いダイナミクスを反映している。
本稿では,複数ユーザ間のタスク指向のチャットを簡潔なタスク指向のクエリとして書き換える,マルチユーザコンテキストクエリ書き換えの新しいタスクを提案する。
論文 参考訳(メタデータ) (2023-10-31T14:12:07Z) - FaceChat: An Emotion-Aware Face-to-face Dialogue Framework [58.67608580694849]
FaceChatは、感情に敏感で対面的な会話を可能にするWebベースの対話フレームワークである。
システムには、カウンセリング、感情サポート、パーソナライズされたカスタマーサービスなど、幅広い潜在的なアプリケーションがある。
論文 参考訳(メタデータ) (2023-03-08T20:45:37Z) - FaD-VLP: Fashion Vision-and-Language Pre-training towards Unified
Retrieval and Captioning [66.38951790650887]
ファッション分野におけるマルチモーダルタスクは、eコマースにとって大きな可能性を秘めている。
本稿では,ファッションとテクストのペアから構築した弱教師付き三つ組に基づく,ファッション特有の事前学習フレームワークを提案する。
3重項に基づくタスクは、標準的なマルチモーダル事前学習タスクに有効な追加であることを示す。
論文 参考訳(メタデータ) (2022-10-26T21:01:19Z) - Customized Conversational Recommender Systems [45.84713970070487]
会話レコメンデータシステム(CRS)は、ユーザの現在の意図を捉え、リアルタイムなマルチターン対話によるレコメンデーションを提供することを目的としている。
本稿では,3つの視点からCRSモデルをカスタマイズした新しいCRSモデルであるCustomized Conversational Recommender System(CCRS)を提案する。
パーソナライズされたレコメンデーションを提供するために,対話コンテキストからユーザの現在あるきめ細かい意図を,ユーザ固有の嗜好のガイダンスで抽出する。
論文 参考訳(メタデータ) (2022-06-30T09:45:36Z) - Towards Large-Scale Interpretable Knowledge Graph Reasoning for Dialogue
Systems [109.16553492049441]
よりスケーラブルで一般化可能な対話システムに知識推論機能を組み込む新しい手法を提案する。
我々の知識を最大限に活用するために、変圧器モデルが微分可能な知識グラフを解析して応答を生成するのは、これが初めてである。
論文 参考訳(メタデータ) (2022-03-20T17:51:49Z) - Taming the Beast: Learning to Control Neural Conversational Models [10.407021682762075]
本論文は,タスク指向およびチャットシナリオにおける深層学習に基づく,エンドツーエンドな生成対話システムの制御可能性について考察する。
生成的対話システムの制御のさまざまな側面について検討し,その制御方法とトピックスについて考察する。
論文 参考訳(メタデータ) (2021-08-24T07:58:16Z) - Prototype-to-Style: Dialogue Generation with Style-Aware Editing on
Retrieval Memory [65.98002918470543]
文体対話生成の課題に対処する新しいプロトタイプ・ツー・スタイルのフレームワークを提案する。
このフレームワークは、IR(Information Retrieval)システムを使用して、検索した応答から応答プロトタイプを抽出する。
スタイリスティック応答生成器は、プロトタイプと所望の言語スタイルをモデル入力として、高品質でスタイリスティックな応答を得る。
論文 参考訳(メタデータ) (2020-04-05T14:36:15Z) - EmpTransfo: A Multi-head Transformer Architecture for Creating
Empathetic Dialog Systems [4.41738804598711]
本稿では,共感対話システムを構築するためのマルチヘッドトランスフォーマーアーキテクチャであるEmpTransfoを提案する。
感情やメタデータの履歴を活用することで、生成した会話の質を向上させることができることを示す。
論文 参考訳(メタデータ) (2020-03-05T23:09:24Z)
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。