論文の概要: Fashionpedia-Ads: Do Your Favorite Advertisements Reveal Your Fashion Taste?

• arxiv url: http://arxiv.org/abs/2305.02360v1
• Date: Wed, 3 May 2023 18:00:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-05 18:13:16.348052
• Title: Fashionpedia-Ads: Do Your Favorite Advertisements Reveal Your Fashion Taste?
• Title（参考訳）: Fashionpedia-Ads:好きな人はファッションを味わう?
• Authors: Mengyun Shi, Claire Cardie, Serge Belongie
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 30.633812626305552
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Consumers are exposed to advertisements across many different domains on the internet, such as fashion, beauty, car, food, and others. On the other hand, fashion represents second highest e-commerce shopping category. Does consumer digital record behavior on various fashion ad images reveal their fashion taste? Does ads from other domains infer their fashion taste as well? In this paper, we study the correlation between advertisements and fashion taste. Towards this goal, we introduce a new dataset, Fashionpedia-Ads, which asks subjects to provide their preferences on both ad (fashion, beauty, car, and dessert) and fashion product (social network and e-commerce style) images. Furthermore, we exhaustively collect and annotate the emotional, visual and textual information on the ad images from multi-perspectives (abstractive level, physical level, captions, and brands). We open-source Fashionpedia-Ads to enable future studies and encourage more approaches to interpretability research between advertisements and fashion taste.
• Abstract（参考訳）: 消費者は、ファッション、美容、車、食べ物など、インターネット上のさまざまなドメインの広告にさらされている。 一方、ファッションはEコマースの2番目に高いカテゴリーである。 各種ファッション広告画像における消費者デジタル記録行動は、そのファッション嗜好を明らかにするか? 他のドメインの広告も、ファッションの好みを推測できるだろうか? 本稿では,広告とファッションテイストの相関について検討する。 この目的に向けて,新たなデータセットである fashionpedia-ads を導入し,被験者に対して,広告(ファシオン,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,eコマーススタイル)の両方に好みを提供するように要求する。 さらに,広告画像の情緒的,視覚的,テキスト的情報を,多視点(客観レベル,身体レベル,キャプション,ブランド)から総括的に収集し,注釈する。 我々はFashionpedia-Adsをオープンソース化し、将来の研究を可能にし、広告とファッションテイストの間の解釈可能性研究へのさらなるアプローチを奨励する。

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)
• Long-Term Ad Memorability: Understanding & Generating Memorable Ads [54.23854539909078]
  マーケティングやブランドビルディングにおける長期記憶の重要性にもかかわらず、これまで広告の記憶可能性に関する大規模な研究は行われていない。 276のブランドをカバーする1749の参加者と2205の広告からなる,最初の記憶可能性データセットであるLAMBDAをリリースする。 異なる参加者のサブポピュレーションや広告タイプに対する統計的テストを実行すると、広告を記憶可能なものにするための興味深い洞察がたくさん見つかる。 本稿では,自動アノテートデータを活用することで,高品質な記憶可能な広告生成モデルを構築するためのスケーラブルな手法を提案する。
  論文  参考訳（メタデータ） (2023-09-01T10:27:04Z)
• Fashionpedia-Taste: A Dataset towards Explaining Human Fashion Taste [30.633812626305552]
  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。
  論文  参考訳（メタデータ） (2023-05-03T17:54:50Z)
• 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)
• Buy Me That Look: An Approach for Recommending Similar Fashion Products [5.9707788912142155]
  我々は、類似のファッション製品を推薦する問題に対処するために、textbfShopLookと呼ばれる新しいコンピュータビジョンベースの手法を提案する。 提案手法はオンラインファッション電子商取引プラットフォームであるMyntraで評価されている。
  論文  参考訳（メタデータ） (2020-08-26T16:01:00Z)
• 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)
• 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。