論文の概要: Personalized Fashion Recommendation with Image Attributes and Aesthetics Assessment

• arxiv url: http://arxiv.org/abs/2501.03085v1
• Date: Mon, 06 Jan 2025 15:31:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:07:54.376200
• Title: Personalized Fashion Recommendation with Image Attributes and Aesthetics Assessment
• Title（参考訳）: 画像属性による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と審美性評価
• Authors: Chongxian Chen, Fan Mo, Xin Fan, Hayato Yamana,
• Abstract要約: 利用可能な情報、特に画像を2つのグラフ属性に変換することで、より正確なファッションレコメンデーションを提供することを目指している。 画像とテキストを2つのコンポーネントとして分離する従来の手法と比較して,提案手法は画像とテキスト情報を組み合わせてよりリッチな属性グラフを作成する。 IQON3000データセットの予備実験により,提案手法はベースラインと比較して競争精度が向上することを示した。
• 参考スコア（独自算出の注目度）: 15.423307815155534
• License:
• Abstract: Personalized fashion recommendation is a difficult task because 1) the decisions are highly correlated with users' aesthetic appetite, which previous work frequently overlooks, and 2) many new items are constantly rolling out that cause strict cold-start problems in the popular identity (ID)-based recommendation methods. These new items are critical to recommend because of trend-driven consumerism. In this work, we aim to provide more accurate personalized fashion recommendations and solve the cold-start problem by converting available information, especially images, into two attribute graphs focusing on optimized image utilization and noise-reducing user modeling. Compared with previous methods that separate image and text as two components, the proposed method combines image and text information to create a richer attributes graph. Capitalizing on the advancement of large language and vision models, we experiment with extracting fine-grained attributes efficiently and as desired using two different prompts. Preliminary experiments on the IQON3000 dataset have shown that the proposed method achieves competitive accuracy compared with baselines.
• Abstract（参考訳）: 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は難しい仕事です 1) 従来の作業がしばしば見落としているユーザの美的欲求と高い相関関係にある。 2) 一般のID(ID)に基づく推薦手法では, 厳密なコールドスタート問題を引き起こしている新しい項目が数多く出回っている。 これらの新しいアイテムは、トレンド駆動の消費者主義のために推奨されがちだ。 本研究では、より正確な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を提供することを目標とし、利用可能な情報、特に画像を最適化された画像利用とノイズ低減ユーザモデリングに焦点を当てた2つの属性グラフに変換することにより、コールドスタート問題を解決することを目的とする。 画像とテキストを2つのコンポーネントとして分離する従来の手法と比較して,提案手法は画像とテキスト情報を組み合わせてよりリッチな属性グラフを作成する。 大規模言語と視覚モデルの進歩に乗じて, 2つの異なるプロンプトを用いて, 細粒度属性を効率的に抽出し, 目的とする実験を行った。 IQON3000データセットの予備実験により,提案手法はベースラインと比較して競争精度が向上することを示した。

関連論文リスト

• Firzen: Firing Strict Cold-Start Items with Frozen Heterogeneous and Homogeneous Graphs for Recommendation [34.414081170244955]
  厳密なコールドスタートとウォームスタートのレコメンデーションを解決するために,項目と知識グラフのマルチモーダルコンテンツ(KG)を統合した統合フレームワークを提案する。 我々のモデルでは,厳密なコールドスタート勧告と,ウォームスタートシナリオにおける最先端性能に適合する性能の向上が期待できる。
  論文  参考訳（メタデータ） (2024-10-10T06:48:27Z)
• JeDi: Joint-Image Diffusion Models for Finetuning-Free Personalized Text-to-Image Generation [49.997839600988875]
  既存のパーソナライズ手法は、ユーザのカスタムデータセット上でテキスト・ツー・イメージの基礎モデルを微調整することに依存している。 ファインタニングフリーのパーソナライズモデルを学ぶための効果的な手法として,ジョイントイメージ拡散(jedi)を提案する。 本モデルは,従来のファインタニングベースとファインタニングフリーのパーソナライゼーションベースの両方において,定量的かつ定性的に,高い品質を実現する。
  論文  参考訳（メタデータ） (2024-07-08T17:59:02Z)
• Text-to-Image Diffusion Models are Great Sketch-Photo Matchmakers [120.49126407479717]
  本稿では,ゼロショットスケッチに基づく画像検索(ZS-SBIR)のためのテキスト・画像拡散モデルについて検討する。 スケッチと写真の間のギャップをシームレスに埋めるテキストと画像の拡散モデルの能力。
  論文  参考訳（メタデータ） (2024-03-12T00:02:03Z)
• AI Recommendation System for Enhanced Customer Experience: A Novel Image-to-Text Method [2.2975420753582028]
  本研究は、人工知能を用いてファッションレコメンデーションのきめ細かい視覚的解釈を提供する革新的なエンドツーエンドパイプラインについて述べる。 顧客が希望する製品や服の画像をアップロードすると、システムは自動的に、スタイル的要素を強調する意味のある説明を生成する。
  論文  参考訳（メタデータ） (2023-11-16T07:15:44Z)
• MetaPortrait: Identity-Preserving Talking Head Generation with Fast Personalized Adaptation [57.060828009199646]
  本稿では,ID保存型音声ヘッド生成フレームワークを提案する。 密集したランドマークは、正確な幾何認識フローフィールドを達成するために不可欠であると主張する。 我々は、合成中にソースアイデンティティを適応的に融合させ、画像ポートレートのキー特性をよりよく保存する。
  論文  参考訳（メタデータ） (2022-12-15T18:59:33Z)
• A Graph-Enhanced Click Model for Web Search [67.27218481132185]
  ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。 セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
  論文  参考訳（メタデータ） (2022-06-17T08:32:43Z)
• End-to-End Image-Based Fashion Recommendation [5.210197476419621]
  ファッションベースのレコメンデーション設定では、アイテムイメージの機能を取り入れることが重要な要素と考えられている。 本稿では,画像特徴を取り入れたシンプルな属性認識モデルを提案する。 2つの画像ベースの実世界のレコメンデータシステムデータセットの実験では、提案されたモデルが、最先端の画像ベースモデル全てを大幅に上回っていることが示されている。
  論文  参考訳（メタデータ） (2022-05-05T21:14:42Z)
• Attribute-aware Explainable Complementary Clothing Recommendation [37.30129304097086]
  本研究は、ファッションレコメンデーションにおける説明可能性の課題に、新しいファッションレコメンデーションレコメンダ(AFRec)を提案して取り組むことを目的とする。 AFRecレコメンダは、各アイテムの視覚的特徴から抽出された属性レベルの表現を明示的に活用することで、服の互換性を評価する。 属性は2つのファッションアイテム間のブリッジとして機能し、そこでは属性間の学習された互換性を通じて、一対のアイテムの親和性を定量化する。
  論文  参考訳（メタデータ） (2021-07-04T14:56:07Z)
• 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)
• 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。