Fugu-MT 論文翻訳(概要): Towards Intelligent Design: A Self-driven Framework for Collocated Clothing Synthesis Leveraging Fashion Styles and Textures

論文の概要: Towards Intelligent Design: A Self-driven Framework for Collocated Clothing Synthesis Leveraging Fashion Styles and Textures

arxiv url: http://arxiv.org/abs/2501.13396v1
Date: Thu, 23 Jan 2025 05:46:08 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-24 15:58:13.664240
Title: Towards Intelligent Design: A Self-driven Framework for Collocated Clothing Synthesis Leveraging Fashion Styles and Textures
Title（参考訳）: インテリジェントデザインを目指して - ファッションスタイルとテクスチャを活用する着衣合成の自己駆動フレームワーク
Authors: Minglong Dong, Dongliang Zhou, Jianghong Ma, Haijun Zhang,
Abstract要約: 衣料品合成(CCS)はファッション技術において重要な話題となっている。これまでの調査では、上着と下着のペアのようなペアの衣装を使って、この課題を達成するための生成モデルを訓練していた。そこで我々は,組立衣料を必要とせず,組立衣料を合成する,スタイル・テクスチャ誘導型生成ネットワーク(ST-Net)を新たに導入した。
参考スコア（独自算出の注目度）: 17.35328594773488
License:
Abstract: Collocated clothing synthesis (CCS) has emerged as a pivotal topic in fashion technology, primarily concerned with the generation of a clothing item that harmoniously matches a given item. However, previous investigations have relied on using paired outfits, such as a pair of matching upper and lower clothing, to train a generative model for achieving this task. This reliance on the expertise of fashion professionals in the construction of such paired outfits has engendered a laborious and time-intensive process. In this paper, we introduce a new self-driven framework, named style- and texture-guided generative network (ST-Net), to synthesize collocated clothing without the necessity for paired outfits, leveraging self-supervised learning. ST-Net is designed to extrapolate fashion compatibility rules from the style and texture attributes of clothing, using a generative adversarial network. To facilitate the training and evaluation of our model, we have constructed a large-scale dataset specifically tailored for unsupervised CCS. Extensive experiments substantiate that our proposed method outperforms the state-of-the-art baselines in terms of both visual authenticity and fashion compatibility.
Abstract（参考訳）: コラボレーション衣料合成(CCS)は、ファッション技術において重要なトピックとして登場し、主に、所定のアイテムに調和して調和する衣服アイテムの生成に関係している。しかし、それまでの調査では、上着と下着のペアなど、一対の衣装を用いて、これを実現するための生成モデルを訓練していた。このようなペアの衣装の構築におけるファッション専門家の専門知識への依存は、勤勉で時間を要するプロセスを生み出している。本稿では,組立服を不要に合成し,自己指導型学習を活用するための,スタイル・テクスチャ誘導型生成ネットワーク(ST-Net)を新たに導入する。 ST-Netは、衣料のスタイルやテクスチャ属性からファッションコンパチブルルールを外挿するために、生成的対向ネットワークを用いて設計されている。モデルのトレーニングと評価を容易にするため,教師なしCCSに適した大規模データセットを構築した。広汎な実験により,提案手法は,視覚的正当性とファッションの整合性の両方の観点から,最先端のベースラインを上回っていることが示された。

関連論文リスト

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)
DressCode: Autoregressively Sewing and Generating Garments from Text Guidance [61.48120090970027]
DressCodeは、初心者向けのデザインを民主化し、ファッションデザイン、バーチャルトライオン、デジタルヒューマン創造において大きな可能性を秘めている。まず,テキスト条件の埋め込みとクロスアテンションを統合して縫製パターンを生成する,GPTベースのアーキテクチャであるSewingGPTを紹介する。次に、トレーニング済みの安定拡散を調整し、タイルベースの衣服用物理レンダリング(PBR)テクスチャを生成します。
論文参考訳（メタデータ） (2024-01-29T16:24:21Z)
Towards Garment Sewing Pattern Reconstruction from a Single Image [76.97825595711444]
ガーメント縫製パターンは、衣服の本質的な休息形態を表しており、ファッションデザイン、バーチャルトライオン、デジタルアバターといった多くの用途のコアとなっている。まず,SewFactoryという多目的データセットを合成した。次に、縫製パターン予測性能を大幅に向上させるSewformerと呼ばれる2レベルトランスフォーマーネットワークを提案する。
論文参考訳（メタデータ） (2023-11-07T18:59:51Z)
Transformer-based Graph Neural Networks for Outfit Generation [22.86041284499166]
TGNNは、畳み込みグラフニューラルネットワークにおけるメッセージパッシングステップとして、多面的な自己注意を利用して、グラフ内の衣服アイテム間の関係をキャプチャする。畳み込みグラフニューラルネットワークにおけるメッセージパッシングステップとして,多面的な自己注意を利用して,グラフ内の衣服アイテム間の関係をキャプチャするトランスフォーマーアーキテクチャを提案する。
論文参考訳（メタデータ） (2023-04-17T09:18:45Z)
Dress Well via Fashion Cognitive Learning [18.867513936553195]
そこで本稿では,Fashion Cognitive Network (FCN) を提案する。 FCNには2つのサブモジュール、すなわち服用エンコーダとマルチラベルグラフニューラルネットワーク(ML-GCN)がある。
論文参考訳（メタデータ） (2022-08-01T06:52:37Z)
VICTOR: Visual Incompatibility Detection with Transformers and Fashion-specific contrastive pre-training [18.753508811614644]
Visual InCompatibility TransfORmer (VICTOR) は、1) 回帰としての全体的な互換性、2) ミスマッチアイテムの検出の2つのタスクに最適化されている。 Polyvore-MISFITと呼ばれる新しいデータセットを作成し、部分的にミスマッチした服を生成するために、Polyvoreの服のベンチマークを構築した。一連のアブレーションと比較分析により、提案されたアーキテクチャは、現在のPolyvoreデータセットの最先端を競合し、越えることが可能であることを示している。
論文参考訳（メタデータ） (2022-07-27T11:18:55Z)
An Application to Generate Style Guided Compatible Outfit [16.63265212958939]
我々は,新しいスタイルエンコーダネットワークを用いて,スタイルやテーマによってガイドされた衣装を作成することを目的としている。様々な実験を通して,本手法の様々な側面を広範囲に解析する。
論文参考訳（メタデータ） (2022-05-02T05:45:05Z)
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)
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)
Fashion Recommendation and Compatibility Prediction Using Relational Network [18.13692056232815]
我々は、新しい互換性学習モデルを開発するための関係ネットワーク(RN)を開発する。 FashionRNは、任意の数のアイテムを任意の順序で、服全体の互換性を学習する。我々はPolyvoreのウェブサイトから収集した49,740の服の大規模なデータセットを用いてモデルを評価した。
論文参考訳（メタデータ） (2020-05-13T21:00:54Z)
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。