論文の概要: New Fashion Products Performance Forecasting: A Survey on Evolutions, Models and Emerging Trends
- arxiv url: http://arxiv.org/abs/2501.10324v1
- Date: Fri, 17 Jan 2025 17:56:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-20 14:00:20.879263
- Title: New Fashion Products Performance Forecasting: A Survey on Evolutions, Models and Emerging Trends
- Title（参考訳）: 新しいファッション製品のパフォーマンス予測:進化、モデル、新興トレンドに関する調査
- Authors: Andrea Avogaro, Luigi Capogrosso, Andrea Toaiari, Franco Fummi, Marco Cristani,
- Abstract要約: ファストファッション産業の新たなスタイルと急速な生産サイクルに対する不満足な需要は、環境に重大な負担をもたらしている。
これらの問題を緩和するためには、持続可能性と効率性を優先するパラダイムシフトが緊急に必要である。
学習に基づく予測分析をファッション産業に統合することは、環境問題に対処する重要な機会である。
- 参考スコア（独自算出の注目度）: 8.482907933021087
- License:
- Abstract: The fast fashion industry's insatiable demand for new styles and rapid production cycles has led to a significant environmental burden. Overproduction, excessive waste, and harmful chemicals have contributed to the negative environmental impact of the industry. To mitigate these issues, a paradigm shift that prioritizes sustainability and efficiency is urgently needed. Integrating learning-based predictive analytics into the fashion industry represents a significant opportunity to address environmental challenges and drive sustainable practices. By forecasting fashion trends and optimizing production, brands can reduce their ecological footprint while remaining competitive in a rapidly changing market. However, one of the key challenges in forecasting fashion sales is the dynamic nature of consumer preferences. Fashion is acyclical, with trends constantly evolving and resurfacing. In addition, cultural changes and unexpected events can disrupt established patterns. This problem is also known as New Fashion Products Performance Forecasting (NFPPF), and it has recently gained more and more interest in the global research landscape. Given its multidisciplinary nature, the field of NFPPF has been approached from many different angles. This comprehensive survey wishes to provide an up-to-date overview that focuses on learning-based NFPPF strategies. The survey is based on the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) methodological flow, allowing for a systematic and complete literature review. In particular, we propose the first taxonomy that covers the learning panorama for NFPPF, examining in detail the different methodologies used to increase the amount of multimodal information, as well as the state-of-the-art available datasets. Finally, we discuss the challenges and future directions.
- Abstract（参考訳）: ファストファッション産業の新たなスタイルと急速な生産サイクルに対する不満足な需要は、環境に重大な負担をもたらしている。
過剰生産、過剰廃棄物、有害化学物質が産業の負の環境影響に寄与している。
これらの問題を緩和するためには、持続可能性と効率性を優先するパラダイムシフトが緊急に必要である。
学習に基づく予測分析をファッション産業に統合することは、環境問題に対処し、持続可能なプラクティスを促進する重要な機会である。
ファッショントレンドを予測し、生産を最適化することで、ブランドは急速に変化する市場で競争力を維持しながら、生態的なフットプリントを減らすことができる。
しかし、ファッション販売を予測する上で重要な課題の1つは、消費者の嗜好の動的な性質である。
ファッションは非循環的であり、傾向は常に変化し、再認識される。
さらに、文化的変化や予期せぬ出来事が確立したパターンを乱す可能性がある。
この問題は、New Fashion Products Performance Forecasting (NFPPF)としても知られており、近年、グローバルな研究分野への関心が高まっている。
多分野の性質から、NFPPFの場は多くの異なる角度からアプローチされてきた。
この総合的な調査は、学習ベースのNFPPF戦略に焦点を当てた最新の概要を提供したいと考えている。
The Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) methodological flowに基づいており、体系的で完全な文献レビューを可能にする。
特に,NFPPFの学習パノラマを網羅する最初の分類法を提案する。
最後に,課題と今後の方向性について論じる。
関連論文リスト
- Towards Universal Large-Scale Foundational Model for Natural Gas Demand Forecasting [12.60741035434783]
本稿では,天然ガス需要予測に適した基礎モデルを提案する。
提案手法は,現実シナリオの予測精度を向上させるために,コントラスト学習を利用する。
ENNグループによる大規模データセットを用いた広範囲な実験を行った。
論文 参考訳（メタデータ） (2024-09-24T06:44:29Z) - FashionReGen: LLM-Empowered Fashion Report Generation [61.84580616045145]
先進大言語モデル(LLM)に基づく知的ファッション分析・報告システムを提案する。
具体的には、いくつかの重要な手順を備えた効果的なキャットウォーク分析に基づくFashionReGenの提供を試みる。
また、他の領域における工業的重要性を持つより高度なタスクの探索にも刺激を与えている。
論文 参考訳（メタデータ） (2024-03-11T12:29:35Z) - Exploring the Privacy-Energy Consumption Tradeoff for Split Federated Learning [51.02352381270177]
Split Federated Learning (SFL)は、最近、有望な分散学習技術として登場した。
SFLにおけるカット層の選択は、クライアントのエネルギー消費とプライバシに大きな影響を与える可能性がある。
本稿では、SFLプロセスの概要を概観し、エネルギー消費とプライバシを徹底的に分析する。
論文 参考訳（メタデータ） (2023-11-15T23:23:42Z) - On the use of learning-based forecasting methods for ameliorating
fashion business processes: A position paper [6.739622509200751]
ファッション産業は世界で最も活発で競争力のある市場の一つである。
衣料品のライフサイクルが短いため、サプライチェーン管理と小売戦略は優れた市場パフォーマンスに不可欠である。
我々は、あらゆるファッション企業が産業・市場への影響を改善するために適用できる3つの具体的な予測課題の概要を述べる。
論文 参考訳（メタデータ） (2022-11-09T10:44:51Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Multimodal Quasi-AutoRegression: Forecasting the visual popularity of
new fashion products [18.753508811614644]
ファッション業界の急速な変化のため、ファッションにおけるトレンド検出は難しい課題である。
コンピュータビジョンネットワークによって抽出されたマルチモーダル多層パーセプトロン処理のカテゴリと視覚的特徴であるMuQARを提案する。
VISUELLEデータセットの比較研究によると、MuQARはWAPEで2.88%、MAEで3.04%の競争力を持つ。
論文 参考訳（メタデータ） (2022-04-08T11:53:54Z) - Leveraging Multiple Relations for Fashion Trend Forecasting Based on
Social Media [72.06420633156479]
Relation Enhanced Attention Recurrent(REAR)ネットワークという改良モデルを提案する。
KERNと比較して、REARモデルはファッション要素間の関係だけでなく、ユーザグループ間の関係も活用する。
長期トレンド予測の性能をさらに向上させるために、REAR法はスライディング時間的注意メカニズムを考案する。
論文 参考訳（メタデータ） (2021-05-07T14:52:03Z) - Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。
これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。
本稿では,本稿で開発したツールと方法論について紹介する。
論文 参考訳（メタデータ） (2020-11-03T21:22:42Z) - Knowledge Enhanced Neural Fashion Trend Forecasting [81.2083786318119]
本研究は,特定のユーザグループを対象とした,きめ細かいファッション要素の傾向の調査に焦点をあてる。
まず、Instagramから収集した大規模なファッショントレンドデータセット(FIT)に、時系列のファッション要素の記録とユーザー情報を抽出した。
本稿では,時系列データモデリングにおける深部再帰型ニューラルネットワークの機能を利用する知識強化型ニューラルネットワークモデル(KERN)を提案する。
論文 参考訳（メタデータ） (2020-05-07T07:42:17Z)
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。