論文の概要: Fashionpedia-Taste: A Dataset towards Explaining Human Fashion Taste
- arxiv url: http://arxiv.org/abs/2305.02307v1
- Date: Wed, 3 May 2023 17:54:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-04 13:38:41.561534
- Title: Fashionpedia-Taste: A Dataset towards Explaining Human Fashion Taste
- Title（参考訳）: Fashionpedia-Taste:人間のファッション味を説明するためのデータセット
- Authors: Mengyun Shi, Serge Belongie, Claire Cardie
- Abstract要約: 本稿では,ファッションイメージが嫌いな理由を説明するために,解釈可能性データセットであるFashionpedia-tasteを導入する。
被験者は、個性や好みのファッションブランドなど、ファッションに対する個人的特質や好みを提供するよう求められている。
我々のデータセットは、研究者が人間のファッションの味を完全に理解し解釈する計算モデルを構築することを可能にする。
- 参考スコア（独自算出の注目度）: 30.633812626305552
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing fashion datasets do not consider the multi-facts that cause a
consumer to like or dislike a fashion image. Even two consumers like a same
fashion image, they could like this image for total different reasons. In this
paper, we study the reason why a consumer like a certain fashion image. Towards
this goal, we introduce an interpretability dataset, Fashionpedia-taste,
consist of rich annotation to explain why a subject like or dislike a fashion
image from the following 3 perspectives: 1) localized attributes; 2) human
attention; 3) caption. Furthermore, subjects are asked to provide their
personal attributes and preference on fashion, such as personality and
preferred fashion brands. Our dataset makes it possible for researchers to
build computational models to fully understand and interpret human fashion
taste from different humanistic perspectives and modalities.
- Abstract（参考訳）: 既存のファッションデータセットは、消費者がファッションイメージを好むか嫌いにするマルチファクトを考慮しない。
同じファッションイメージを好む2人の消費者でさえ、このイメージを全く異なる理由で好むことができる。
本稿では,消費者がファッションイメージを好む理由について考察する。
この目標に向けて、以下の3つの視点から、なぜ被写体がファッションイメージを好まないかを説明するリッチアノテーションからなる解釈可能性データセット、Fashionpedia-tasteを導入する。
1) ローカライズされた属性
2)人間の注意
3)キャプション。
さらに、パーソナリティや好みのファッションブランドなど、ファッションに対する個人的属性や好みの提示も求められる。
我々のデータセットは、研究者が人間のファッションの味を、異なる人文論的視点とモダリティから完全に理解し解釈する計算モデルを構築することを可能にする。
関連論文リスト
- 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) - Fashionpedia-Ads: Do Your Favorite Advertisements Reveal Your Fashion
Taste? [30.633812626305552]
広告とファッションの嗜好の相関について検討した。
我々は、新しいデータセットであるFashionpedia-Adsを導入し、被験者に、広告(ファッション、美容、車、デザート)とファッション製品(ソーシャルネットワークとeコマーススタイル)の両方のイメージの好みを提供する。
論文 参考訳（メタデータ） (2023-05-03T18:00:42Z) - 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) - 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) - Aesthetics, Personalization and Recommendation: A survey on Deep
Learning in Fashion [3.202857828083949]
この調査は、ビジュアルデータの解釈と活用方法を深く掘り下げることで、それを達成するという、注目すべきアプローチを示している。
美学は衣服の推奨において重要な役割を担っており、利用者の判断は衣服が美学と一致しているかどうかに大きく依存するが、従来のイメージは直接これを描写することはできない。
この調査はまた、美学をアパレル推奨の重要な要素として認識する必要性を満たすために、テンソル因子分解モデルや条件付きランダム場モデルなどの注目すべきモデルも強調している。
論文 参考訳（メタデータ） (2021-01-20T19:57:13Z) - Modeling Fashion Influence from Photos [108.58097776743331]
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。
論文 参考訳（メタデータ） (2020-11-17T20:24:03Z) - Fashionpedia: Ontology, Segmentation, and an Attribute Localization
Dataset [62.77342894987297]
本稿では,インスタンス分割と局所化属性認識を共同で行う新しい属性・マスクRCNNモデルを提案する。
また、Fashionpediaで事前学習したインスタンスセグメンテーションモデルにより、ImageNetの事前学習よりも、他のファッションデータセットの転送学習性能が向上することを示す。
論文 参考訳（メタデータ） (2020-04-26T02:38:26Z) - 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) - Can AI decrypt fashion jargon for you? [24.45460909986741]
これらの低レベルの記述が、いかにしてスタイルや高レベルのファッション概念に貢献できるかは、人々には明らかではない。
本稿では,ファッションサイトの既存製品データを活用することで,この概念理解問題に対処するデータ駆動型ソリューションを提案する。
プロダクトイメージの高レベルなファッションコンセプトを、低レベルでドメイン固有のファッション機能で明示的に予測し、説明できるディープラーニングモデルを訓練しました。
論文 参考訳（メタデータ） (2020-03-18T05:32:04Z)
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。