論文の概要: LookSync: Large-Scale Visual Product Search System for AI-Generated Fashion Looks

• arxiv url: http://arxiv.org/abs/2511.00072v1
• Date: Wed, 29 Oct 2025 12:30:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.560751
• Title: LookSync: Large-Scale Visual Product Search System for AI-Generated Fashion Looks
• Title（参考訳）: LookSync:AI生成ファッションルックのための大規模ビジュアルプロダクト検索システム
• Authors: Pradeep M, Ritesh Pallod, Satyen Abrol, Muthu Raman, Ian Anderson,
• Abstract要約: 本稿では,AI生成された外観が,インデックス付きベクトル空間から最も視覚的に,意味的に類似した製品と一致することを保証する,エンドツーエンドの製品検索システムを提案する。 現在、このシステムは1日あたり35万件以上のAIルックを提供しており、全世界の製品カテゴリーで1200万以上のプロダクトをカバーしている。
• 参考スコア（独自算出の注目度）: 0.6328726446929896
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative AI is reshaping fashion by enabling virtual looks and avatars making it essential to find real products that best match AI-generated styles. We propose an end-to-end product search system that has been deployed in a real-world, internet scale which ensures that AI-generated looks presented to users are matched with the most visually and semantically similar products from the indexed vector space. The search pipeline is composed of four key components: query generation, vectorization, candidate retrieval, and reranking based on AI-generated looks. Recommendation quality is evaluated using human-judged accuracy scores. The system currently serves more than 350,000 AI Looks in production per day, covering diverse product categories across global markets of over 12 million products. In our experiments, we observed that across multiple annotators and categories, CLIP outperformed alternative models by a small relative margin of 3--7\% in mean opinion scores. These improvements, though modest in absolute numbers, resulted in noticeably better user perception matches, establishing CLIP as the most reliable backbone for production deployment.
• Abstract（参考訳）: ジェネレーティブAIは、仮想的なルック&アバターを可能にして、AI生成スタイルに最適な製品を見つけることが不可欠である、というファッションを変革している。 実世界のインターネット規模で展開されたエンドツーエンドの製品検索システムを提案する。これにより,ユーザに対して提示されたAI生成された外観が,インデックス付きベクトル空間から得られる最も視覚的かつ意味的に類似した製品とマッチングされることが保証される。 検索パイプラインは、クエリ生成、ベクトル化、候補検索、AI生成されたルックに基づく再ランクの4つの重要なコンポーネントで構成されている。 ヒトの判断精度スコアを用いて推薦品質を評価する。 現在、このシステムは1日あたり35万件以上のAIルックを提供しており、全世界の製品カテゴリーで1200万以上のプロダクトをカバーしている。 実験の結果,複数のアノテータやカテゴリにおいて,CLIPは平均世論スコアの3～7倍の差で,代替モデルよりも優れていた。 これらの改善は絶対数では控え目なものだったが、ユーザ認識の整合性が著しく向上し、運用デプロイメントの最も信頼性の高いバックボーンとしてCLIPを確立した。

関連論文リスト

• OneSearch: A Preliminary Exploration of the Unified End-to-End Generative Framework for E-commerce Search [43.94443394870866]
  OneSearchは、eコマース検索のための最初の産業向けエンドツーエンド生成フレームワークである。 OneSearchは運用費を75.40%削減し、Model FLOPsの利用を3.26%から27.32%に改善した。 このシステムはKuaishouの複数の検索シナリオにまたがって展開され、数百万のユーザーにサービスを提供している。
  論文  参考訳（メタデータ） (2025-09-03T11:50:04Z)
• Zero-Shot Retrieval for Scalable Visual Search in a Two-Sided Marketplace [0.0]
  本稿では,MercuriのC2Cマーケットプレースに展開するスケーラブルなビジュアルサーチシステムを提案する。 我々は、ゼロショット画像検索のための最近の視覚言語モデルを評価し、その性能を既存の微調整ベースラインと比較する。
  論文  参考訳（メタデータ） (2025-07-31T05:13:20Z)
• 3DGen-Bench: Comprehensive Benchmark Suite for 3D Generative Models [94.48803082248872]
  3D世代は急速に進歩しているが、3D評価の開発はペースを保っていない。 3DGen-Arenaは、公開ユーザと専門家アノテータの両方から人間の好みを収集する統合プラットフォームである。 このデータセットを用いて、CLIPベースのスコアモデルである3DGen-ScoreとMLLMベースの自動評価器である3DGen-Evalをさらに訓練する。
  論文  参考訳（メタデータ） (2025-03-27T17:53:00Z)
• Evaluation Agent: Efficient and Promptable Evaluation Framework for Visual Generative Models [51.067146460271466]
  視覚生成モデルの評価には時間を要するし、計算コストもかかる。 本研究では,効率的,動的,多ラウンドな評価に人間的な戦略を用いる評価エージェントフレームワークを提案する。 1)効率性、2)多様なユーザニーズに合わせた迅速な評価、3)1つの数値スコア以上の説明可能性、4)さまざまなモデルやツールのスケーラビリティ。
  論文  参考訳（メタデータ） (2024-12-10T18:52:39Z)

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。