論文の概要: KiseKloset: Comprehensive System For Outfit Retrieval, Recommendation, And Try-On

• arxiv url: http://arxiv.org/abs/2506.23471v1
• Date: Mon, 30 Jun 2025 02:25:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.897157
• Title: KiseKloset: Comprehensive System For Outfit Retrieval, Recommendation, And Try-On
• Title（参考訳）: KiseKloset: アウトフィット検索、レコメンデーション、トライオンのための総合システム
• Authors: Thanh-Tung Phan-Nguyen, Khoi-Nguyen Nguyen-Ngoc, Tam V. Nguyen, Minh-Triet Tran, Trung-Nghia Le,
• Abstract要約: そこで我々は,服の検索,レコメンデーション,試着のための新しい総合的なKiseKlosetシステムを提案する。 本稿では,多様なカテゴリから補完的な項目を推薦するトランスフォーマーアーキテクチャを提案する。 我々は、リアルタイム操作、メモリ効率、リアルな出力の維持が可能な軽量で効率的な仮想試行フレームワークを採用している。
• 参考スコア（独自算出の注目度）: 15.775881888811018
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The global fashion e-commerce industry has become integral to people's daily lives, leveraging technological advancements to offer personalized shopping experiences, primarily through recommendation systems that enhance customer engagement through personalized suggestions. To improve customers' experience in online shopping, we propose a novel comprehensive KiseKloset system for outfit retrieval, recommendation, and try-on. We explore two approaches for outfit retrieval: similar item retrieval and text feedback-guided item retrieval. Notably, we introduce a novel transformer architecture designed to recommend complementary items from diverse categories. Furthermore, we enhance the overall performance of the search pipeline by integrating approximate algorithms to optimize the search process. Additionally, addressing the crucial needs of online shoppers, we employ a lightweight yet efficient virtual try-on framework capable of real-time operation, memory efficiency, and maintaining realistic outputs compared to its predecessors. This virtual try-on module empowers users to visualize specific garments on themselves, enhancing the customers' experience and reducing costs associated with damaged items for retailers. We deployed our end-to-end system for online users to test and provide feedback, enabling us to measure their satisfaction levels. The results of our user study revealed that 84% of participants found our comprehensive system highly useful, significantly improving their online shopping experience.
• Abstract（参考訳）: グローバルなファッションeコマース産業は、主にパーソナライズされた提案を通じて顧客のエンゲージメントを高めるレコメンデーションシステムを通じて、パーソナライズされたショッピング体験を提供する技術進歩を活用して、人々の日常生活に不可欠なものとなっている。 オンラインショッピングにおける顧客体験を改善するために,服の検索,レコメンデーション,試着のための新しい総合的なKiseKlosetシステムを提案する。 類似項目検索とテキストフィードバック誘導項目検索の2つの手法について検討する。 特に,多様なカテゴリから補完的な項目を推薦するトランスフォーマーアーキテクチャを導入する。 さらに,探索処理を最適化するために近似アルゴリズムを統合することにより,探索パイプライン全体の性能を向上させる。 さらに,オンライン買い物客にとって重要なニーズに対応するために,リアルタイム操作やメモリ効率,現実的なアウトプットの維持などが可能な軽量かつ効率的な仮想試行フレームワークを採用している。 この仮想試着モジュールは、ユーザが自分自身で特定の衣服を視覚化し、顧客の体験を高め、小売店の損傷した商品に関連するコストを削減できるようにする。 エンド・ツー・エンドのシステムをオンラインユーザがテストしてフィードバックを提供するように展開し、満足度を計測できるようにしました。 調査の結果,84%の参加者が包括的システムが非常に有用であり,オンラインショッピング体験を著しく改善していることがわかった。

関連論文リスト

• Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
  本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。 よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
  論文  参考訳（メタデータ） (2025-02-05T17:14:45Z)
• Centrality-aware Product Retrieval and Ranking [14.710718676076327]
  本稿では,ユーザの検索クエリに関連する製品ランキングを強化することで,eコマースプラットフォーム上でのユーザエクスペリエンス向上の課題に対処する。 eBayのサンプルをキュレートし、購入者中心の関連スコアと集中度スコアを手作業でアノテートしました。 本稿では,既存モデルに対するユーザインテリジェンス中心性最適化(UCO)アプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-21T11:59:14Z)
• PIE: Personalized Interest Exploration for Large-Scale Recommender Systems [0.0]
  これらの課題に対処するために,大規模レコメンデータシステムにおける探索のためのフレームワークを提案する。 我々の方法論は、最小限の修正で既存の大規模レコメンデータシステムに容易に統合できる。 私たちの仕事は、何十億ものユーザーを対象とする人気のビデオ発見および共有プラットフォームであるFacebook Watchで運用されている。
  論文  参考訳（メタデータ） (2023-04-13T22:25:09Z)
• ItemSage: Learning Product Embeddings for Shopping Recommendations at Pinterest [60.841761065439414]
  Pinterestでは、ItemSageと呼ばれるプロダクトの埋め込みセットを構築して、すべてのショッピングユースケースに適切なレコメンデーションを提供しています。 このアプローチによって、エンゲージメントとコンバージョンメトリクスが大幅に改善され、インフラストラクチャとメンテナンスコストの両方が削減された。
  論文  参考訳（メタデータ） (2022-05-24T02:28:58Z)
• Personalized Embedding-based e-Commerce Recommendations at eBay [3.1236273633321416]
  電子商取引市場において,同じベクトル空間にアイテムやユーザを埋め込むことで,パーソナライズされたアイテムレコメンデーションを生成するアプローチを提案する。 データアブレーションは、生産システムの堅牢性を改善するために、オフラインモデルのトレーニングプロセスに組み込まれます。
  論文  参考訳（メタデータ） (2021-02-11T17:58:51Z)
• Shop The Look: Building a Large Scale Visual Shopping System at Pinterest [16.132346347702075]
  Shop The LookはPinterestのオンラインショッピング発見サービスで、ビジュアル検索を利用してユーザーが画像内で商品を見つけて購入することができる。 本稿では,オブジェクト検出と視覚埋め込みのコア技術,リアルタイム推論のためのインフラストラクチャの提供,トレーニング/評価データ収集と人的評価のためのデータラベリング手法などについて論じる。 システム設計選択のユーザによる影響は、オフライン評価、人間関係判断、オンラインA/B実験によって測定される。
  論文  参考訳（メタデータ） (2020-06-18T21:38:07Z)
• 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)

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。