論文の概要: FITS: Towards an AI-Driven Fashion Information Tool for Sustainability

• arxiv url: http://arxiv.org/abs/2509.26017v1
• Date: Tue, 30 Sep 2025 09:47:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 17:09:04.499991
• Title: FITS: Towards an AI-Driven Fashion Information Tool for Sustainability
• Title（参考訳）: FITS: 持続可能なAI駆動ファッション情報ツールを目指して
• Authors: Daphne Theodorakopoulos, Elisabeth Eberling, Miriam Bodenheimer, Sabine Loos, Frederic Stahl,
• Abstract要約: 本研究は,ファッションブランドのサステナビリティデータの分類に自然言語処理(NLP)技術を適用する方法について検討する。 本稿では,持続可能性情報の抽出と分類を行うトランスフォーマシステムであるFITS(Fashion Information Tool for Sustainability)のプロトタイプを提案する。 FITSはユーザが関連するデータを検索し、自身のデータを分析し、インタラクティブなインターフェースを通じて情報を探索することを可能にする。
• 参考スコア（独自算出の注目度）: 1.1246926724539141
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Access to credible sustainability information in the fashion industry remains limited and challenging to interpret, despite growing public and regulatory demands for transparency. General-purpose language models often lack domain-specific knowledge and tend to "hallucinate", which is particularly harmful for fields where factual correctness is crucial. This work explores how Natural Language Processing (NLP) techniques can be applied to classify sustainability data for fashion brands, thereby addressing the scarcity of credible and accessible information in this domain. We present a prototype Fashion Information Tool for Sustainability (FITS), a transformer-based system that extracts and classifies sustainability information from credible, unstructured text sources: NGO reports and scientific publications. Several BERT-based language models, including models pretrained on scientific and climate-specific data, are fine-tuned on our curated corpus using a domain-specific classification schema, with hyperparameters optimized via Bayesian optimization. FITS allows users to search for relevant data, analyze their own data, and explore the information via an interactive interface. We evaluated FITS in two focus groups of potential users concerning usability, visual design, content clarity, possible use cases, and desired features. Our results highlight the value of domain-adapted NLP in promoting informed decision-making and emphasize the broader potential of AI applications in addressing climate-related challenges. Finally, this work provides a valuable dataset, the SustainableTextileCorpus, along with a methodology for future updates. Code available at https://github.com/daphne12345/FITS
• Abstract（参考訳）: ファッション業界における信頼できるサステナビリティ情報へのアクセスは、透明性に対する公的および規制上の要求が増加しているにもかかわらず、限定的で、解釈が難しいままである。 汎用言語モデルはドメイン固有の知識を欠くことが多く、事実の正しさが不可欠である分野において特に有害な「幻覚」を呈する傾向がある。 本研究は,ナチュラル・ランゲージ・プロセッシング(NLP)技術を用いてファッションブランドのサステナビリティ・データを分類し,この領域における信頼性とアクセシビリティ・情報の不足に対処する方法について考察する。 本研究では,持続可能性のためのファッション情報ツール(FITS, Fashion Information Tool for Sustainability)のプロトタイプについて述べる。 いくつかのBERTベースの言語モデルは、科学的および気候特化データに基づいて事前訓練されたモデルを含み、ベイズ最適化によって最適化されたハイパーパラメータを持つドメイン固有分類スキーマを使用して、キュレートされたコーパスで微調整される。 FITSはユーザが関連するデータを検索し、自身のデータを分析し、インタラクティブなインターフェースを通じて情報を探索することを可能にする。 FITSは,ユーザビリティ,ビジュアルデザイン,コンテンツ明快さ,使用可能なユースケース,望まれる機能に関して,潜在的なユーザの2つのグループで評価した。 この結果は、情報意思決定を促進する上でのドメイン適応型NLPの価値を強調し、気候問題に対処する上でのAIアプリケーションの可能性を強調した。 最後に、この作業はSustainableTextileCorpusという貴重なデータセットと将来の更新のための方法論を提供する。 https://github.com/daphne12345/FITS

関連論文リスト

• Data Therapist: Eliciting Domain Knowledge from Subject Matter Experts Using Large Language Models [17.006423792670414]
  我々は、ドメインの専門家が混在開始プロセスを通じて暗黙の知識を外部化するのに役立つWebベースのツールであるData Therapistを紹介します。 得られた構造化知識ベースは、人間と自動化された可視化設計の両方に通知することができる。
  論文  参考訳（メタデータ） (2025-05-01T11:10:17Z)
• DSAI: Unbiased and Interpretable Latent Feature Extraction for Data-Centric AI [24.349800949355465]
  大規模言語モデル(LLM)は、大きなデータセットの潜在特性を客観的に識別するのにしばしば苦労する。 本研究では,非バイアスで解釈可能な特徴抽出を可能にするフレームワークであるData Scientist AI(DSAI)を提案する。
  論文  参考訳（メタデータ） (2024-12-09T08:47:05Z)
• Web-Scale Visual Entity Recognition: An LLM-Driven Data Approach [56.55633052479446]
  Webスケールのビジュアルエンティティ認識は、クリーンで大規模なトレーニングデータがないため、重大な課題を呈している。 本稿では,ラベル検証,メタデータ生成,合理性説明に多モーダル大言語モデル(LLM)を活用することによって,そのようなデータセットをキュレートする新しい手法を提案する。 実験により、この自動キュレートされたデータに基づいてトレーニングされたモデルは、Webスケールの視覚的エンティティ認識タスクで最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2024-10-31T06:55:24Z)
• Best Practices and Lessons Learned on Synthetic Data [83.63271573197026]
  AIモデルの成功は、大規模で多様な、高品質なデータセットの可用性に依存している。 合成データは、現実世界のパターンを模倣する人工データを生成することによって、有望なソリューションとして現れてきた。
  論文  参考訳（メタデータ） (2024-04-11T06:34:17Z)
• Exploring Large Language Model for Graph Data Understanding in Online Job Recommendations [63.19448893196642]
  本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。 この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
  論文  参考訳（メタデータ） (2023-07-10T11:29:41Z)
• Generative Counterfactuals for Neural Networks via Attribute-Informed Perturbation [51.29486247405601]
  AIP(Attribute-Informed Perturbation)の提案により,生データインスタンスの反事実を生成するフレームワークを設計する。 異なる属性を条件とした生成モデルを利用することで、所望のラベルとの反事実を効果的かつ効率的に得ることができる。 実世界のテキストや画像に対する実験結果から, 設計したフレームワークの有効性, サンプル品質, および効率が示された。
  論文  参考訳（メタデータ） (2021-01-18T08:37:13Z)

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。