論文の概要: An AI-Assisted Skincare Routine Recommendation System in XR

• arxiv url: http://arxiv.org/abs/2403.13466v1
• Date: Wed, 20 Mar 2024 10:16:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-21 17:18:34.498896
• Title: An AI-Assisted Skincare Routine Recommendation System in XR
• Title（参考訳）: XRにおけるAIによるスキンケアのレコメンデーションシステム
• Authors: Gowravi Malalur Rajegowda, Yannis Spyridis, Barbara Villarini, Vasileios Argyriou,
• Abstract要約: 本稿では,XRプラットフォームに統合されたAI支援スキンケアレコメンデーションシステムを提案する。 このシステムは、畳み込みニューラルネットワーク(CNN)を使用して、個人の皮膚型を分析し、パーソナライズされた皮膚ケア製品を推奨する。
• 参考スコア（独自算出の注目度）: 5.646219481667151
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In recent years, there has been an increasing interest in the use of artificial intelligence (AI) and extended reality (XR) in the beauty industry. In this paper, we present an AI-assisted skin care recommendation system integrated into an XR platform. The system uses a convolutional neural network (CNN) to analyse an individual's skin type and recommend personalised skin care products in an immersive and interactive manner. Our methodology involves collecting data from individuals through a questionnaire and conducting skin analysis using a provided facial image in an immersive environment. This data is then used to train the CNN model, which recognises the skin type and existing issues and allows the recommendation engine to suggest personalised skin care products. We evaluate our system in terms of the accuracy of the CNN model, which achieves an average score of 93% in correctly classifying existing skin issues. Being integrated into an XR system, this approach has the potential to significantly enhance the beauty industry by providing immersive and engaging experiences to users, leading to more efficient and consistent skincare routines.
• Abstract（参考訳）: 近年,美容産業における人工知能(AI)と拡張現実(XR)の利用への関心が高まっている。 本稿では,XRプラットフォームに統合されたAI支援スキンケアレコメンデーションシステムを提案する。 このシステムは、畳み込みニューラルネットワーク(CNN)を使用して、個人の皮膚型を分析し、没入的でインタラクティブな方法でパーソナライズされた皮膚ケア製品を推奨する。 本手法では, 質問紙から個人データを収集し, 提供される顔画像を用いて皮膚分析を行う。 このデータは、皮膚のタイプと既存の問題を認識し、レコメンデーションエンジンがパーソナライズされたスキンケア製品を提案するCNNモデルのトレーニングに使用される。 我々はCNNモデルの精度から,既存の皮膚問題を正しく分類する際の平均スコアを93%と評価した。 XRシステムに統合されているこのアプローチは、ユーザに対して没入的で魅力的な体験を提供することによって、美容産業を著しく強化する可能性があり、より効率的で一貫したスキンケアルーチンがもたらされる。

関連論文リスト

• S-SYNTH: Knowledge-Based, Synthetic Generation of Skin Images [2.79604239303318]
  S-SYNTHは知識ベースで適応可能なオープンソーススキンシミュレーションフレームワークである。 我々は、解剖学的にインスパイアされた多層多層皮膚と成長する病変モデルを用いて、合成皮膚、3次元モデル、デジタル化された画像を生成する。 また, 合成データを用いて得られた結果は, 実際の皮膚画像と類似した傾向を示した。
  論文  参考訳（メタデータ） (2024-07-31T23:16:29Z)
• A Review of Modern Recommender Systems Using Generative Models (Gen-RecSys) [57.30228361181045]
  この調査は、ジェネレーティブモデル(Gen-RecSys)を用いたレコメンデーションシステムにおける重要な進歩を結びつける。 対話駆動生成モデル、自然言語レコメンデーションのための大規模言語モデル(LLM)とテキストデータの使用、RSにおける画像やビデオの生成と処理のためのマルチモーダルモデルの統合。 我々の研究は、Gen-RecSysの影響と害を評価するために必要なパラダイムを強調し、オープンな課題を特定します。
  論文  参考訳（メタデータ） (2024-03-31T06:57:57Z)
• Convolutional Neural Networks Towards Facial Skin Lesions Detection [0.0]
  本研究は,顔画像の点滅や皮膚病変の検出を容易にするモデルを提供することで貢献する。 提案手法は, 簡単なアーキテクチャ, 高速, 画像処理に適するといった利点を提供する。
  論文  参考訳（メタデータ） (2024-02-13T16:52:10Z)
• An Interpretable Deep Learning Approach for Skin Cancer Categorization [0.0]
  我々は、皮膚がん検出の問題に対処するために、現代のディープラーニング手法と説明可能な人工知能(XAI)アプローチを使用する。 皮膚病変の分類には,XceptionNet,EfficientNetV2S,InceptionResNetV2,EfficientNetV2Mの4つの最先端事前訓練モデルを用いる。 我々の研究は、ディープラーニングと説明可能な人工知能(XAI)が皮膚がんの診断をどのように改善するかを示している。
  論文  参考訳（メタデータ） (2023-12-17T12:11:38Z)
• Double-Condensing Attention Condenser: Leveraging Attention in Deep Learning to Detect Skin Cancer from Skin Lesion Images [61.36288157482697]
  皮膚がんはアメリカ合衆国で最も一般的な種類のがんであり、5人に1人のアメリカ人に影響を与えると推定されている。 近年の進歩は,SIIM-ISICメラノーマ分類チャレンジのアートパフォーマンスの状況から,皮膚がん検出に強い効果を示している。 本稿では,皮膚病変画像の皮膚癌検出に効率的な自己注意構造を活用し,皮膚病変画像からの皮膚癌検出をカスタマイズしたDC-ACを用いたディープニューラルネットワーク設計を提案する。
  論文  参考訳（メタデータ） (2023-11-20T10:45:39Z)
• Generative Adversarial Networks based Skin Lesion Segmentation [7.9234173309439715]
  本稿では, 教師なし生成ネットワークを用いて正確な病変マスクを生成する, Efficient-GAN という新たな逆学習基盤を提案する。 Dice係数、Jaccard類似度、精度はそれぞれ90.1%、83.6%、94.5%である。 また,EGANと同等の性能を持つ軽量セグメンテーションフレームワーク(MGAN)を設計する。
  論文  参考訳（メタデータ） (2023-05-29T15:51:31Z)
• Evaluating the Efficacy of Skincare Product: A Realistic Short-Term Facial Pore Simulation [68.06388750609058]
  本研究では,スキンケア製品を用いた顔の毛穴変化を明らかにするための最初のシミュレーションモデルを提案する。 提案したシミュレーションは、現実的な顔の毛穴の変化を表現できる。
  論文  参考訳（メタデータ） (2023-02-23T12:00:15Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• Automatic Facial Skin Feature Detection for Everyone [60.31670960526022]
  本研究では,野生の自撮り自撮りのために,さまざまな肌のトーンと年齢群にまたがって機能する顔顔の特徴自動検出法を提案する。 具体的には,肌の色,重度度,照明条件の異なる自撮り画像に対して,アクネ,顔料,ニキビの位置を注釈する。
  論文  参考訳（メタデータ） (2022-03-30T04:52:54Z)
• Explaining Clinical Decision Support Systems in Medical Imaging using Cycle-Consistent Activation Maximization [112.2628296775395]
  ディープニューラルネットワークを用いた臨床意思決定支援は、着実に関心が高まりつつあるトピックとなっている。 臨床医は、その根底にある意思決定プロセスが不透明で理解しにくいため、この技術の採用をためらうことが多い。 そこで我々は,より小さなデータセットであっても,分類器決定の高品質な可視化を生成するCycleGANアクティベーションに基づく,新たな意思決定手法を提案する。
  論文  参考訳（メタデータ） (2020-10-09T14:39:27Z)
• Skin Diseases Detection using LBP and WLD- An Ensembling Approach [11.342730352935913]
  皮膚病変の画像から,レプロシー,ティエナ・ヴァーシカラー,ビティリゴの3種類の皮膚疾患を自動検出する手法を提案する。 提案手法は, 皮膚領域のテクスチャパターンを表現するために, ウェバー局所記述子と局所二分パターンを含む。
  論文  参考訳（メタデータ） (2020-04-08T17:09:59Z)

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。