論文の概要: FASH-iCNN: Making Editorial Fashion Identity Inspectable Through Multimodal CNN Probing

• arxiv url: http://arxiv.org/abs/2604.26186v1
• Date: Wed, 29 Apr 2026 00:20:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.205339
• Title: FASH-iCNN: Making Editorial Fashion Identity Inspectable Through Multimodal CNN Probing
• Title（参考訳）: FASH-iCNN:マルチモーダルCNNによる編集ファッションアイデンティティ検査
• Authors: Morayo Danielle Adeyemi, Ryan A. Rossi, Franck Dernoncourt,
• Abstract要約: FASH-iCNNは,1991年から2024年にかけて,87,547Vogueの滑走路画像に基づいて訓練されたシステムである。 衣料品の写真が与えられたら、どの家がそれを作ったか、どの時代のものか、どの色の伝統を反映しているかを復元する。 衣料品のみのモデルでは、ファッションハウスは14軒中78.2%、トップ1軒中88.6%、特定の年は34年で58.3%、平均誤差は2.2年である。
• 参考スコア（独自算出の注目度）: 77.41779716950387
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Fashion AI systems routinely encode the aesthetic logic of specific houses, editors, and historical moments without disclosing it. We present FASH-iCNN, a multimodal system trained on 87,547 Vogue runway images across 15 fashion houses spanning 1991-2024 that makes this cultural logic inspectable. Given a photograph of a garment, the system recovers which house produced it, which era it belongs to, and which color tradition it reflects. A clothing-only model identifies the fashion house at 78.2% top-1 across 14 houses, the decade at 88.6% top-1, and the specific year at 58.3% top-1 across 34 years with a mean error of just 2.2 years. Probing which visual channels carry this signal reveals a sharp dissociation: removing color costs only 10.6pp of house identity accuracy, while removing texture costs 37.6pp, establishing texture and luminance as the primary carriers of editorial identity. FASH-iCNN treats editorial culture as the signal rather than background noise, identifying which houses, eras, and color traditions shaped each output so that users can see not just what the system predicts but which houses, editors, and historical moments are encoded in that prediction.
• Abstract（参考訳）: ファッションAIシステムは、特定の家、編集者、歴史的な瞬間の美的ロジックを開示することなく、定期的にエンコードする。 FASH-iCNNは、1991年から2024年にかけて15軒のファッションハウスにまたがる87,547のVogue滑走路画像に基づいて訓練されたマルチモーダルシステムである。 衣料品の写真が与えられたら、どの家がそれを作ったか、どの時代のものか、どの色の伝統を反映しているかを復元する。 衣料品のみのモデルでは、ファッションハウスは14軒中78.2%、トップ1軒中88.6%、特定の年は34年で58.3%、平均誤差は2.2年である。 色は10.6ppの住宅識別精度しかなく、テクスチャは37.6pp、テクスチャと輝度は編集アイデンティティの主要担体として確立されている。 FASH-iCNNは、編集文化を背景ノイズではなく信号として扱い、どの家、時代、色伝統が出力を形作ったかを特定し、ユーザーはシステムが予測するものだけでなく、どの家、編集者、歴史的瞬間がその予測にエンコードされているかを見ることができる。

関連論文リスト

• Bias Amplification in Stable Diffusion's Representation of Stigma Through Skin Tones and Their Homogeneity [11.26615855554004]
  テキスト・ツー・イメージ・ジェネレータ(T2Is)は、社会的ステレオタイプを永続する画像を生成する責任がある。 安定拡散の3つのバージョンが、画像中の特定の皮膚のトーンとスティグマタイズされたアイデンティティを関連付けることを判断するために、93種類のスティグマタイズされたアイデンティティの包括的セットを用いている。
  論文  参考訳（メタデータ） (2025-08-24T17:47:52Z)
• Where Fact Ends and Fairness Begins: Redefining AI Bias Evaluation through Cognitive Biases [77.3489598315447]
  事実と公正の境界を識別することは有意義な公正性評価に不可欠である,と我々は主張する。 Fact-or-Fair は (i) 客観的なクエリを記述的, 事実に基づく判断, (ii) 主観的クエリを規範的, 公平性に基づく判断に整合させたベンチマークである。
  論文  参考訳（メタデータ） (2025-02-09T10:54:11Z)
• Features Reconstruction Disentanglement Cloth-Changing Person Re-Identification [1.5703073293718952]
  衣服交換者再識別(CC-ReID)は、特定の歩行者を衣服交換シナリオで回収することを目的としている。 主な課題は、衣服に関する機能と衣服に関する無関係な機能を切り離すことである。 本稿では, 衣服関連・衣服関連の特徴を分離する機能であるFRD-ReIDを提案する。
  論文  参考訳（メタデータ） (2024-07-15T13:08:42Z)
• Turning old models fashion again: Recycling classical CNN networks using the Lattice Transformation [0.5837881923712392]
  1990年代初頭、LeCunらは手書き数字の低解像度画像を分類するためにバックプロパゲーションアルゴリズムによって訓練されたCNNモデルを提案した。 2012年、Krizhevskyらは、ImageNetの課題に対して、画像分類の精度を大幅に向上させることで、CNNへの関心を復活させた。 基地としてのマルチストリームネットワークとプリセプション・インフュージョンを用いて,従来の状態のバックボーンを利用するLCNNクロスフュージョン戦略について検討する。
  論文  参考訳（メタデータ） (2021-09-28T17:24:48Z)
• Long-term Person Re-identification: A Benchmark [57.97182942537195]
  現実の世界では、場所、時間、日付、季節、天気、イベントによって異なる服装をすることが多い。 この研究は、大きくて現実的な人物の再識別ベンチマークにタイムリーに貢献する。 1,1K人の身元から171Kの箱からなり、12ヶ月にわたって収集・構築されている。
  論文  参考訳（メタデータ） (2021-05-31T03:35:00Z)
• Image-based Virtual Fitting Room [5.88473857873251]
  まずMask R-CNNを用いて、異なるファッションアイテムの領域を抽出し、選択したファッションアイテムのスタイルを変更するためにNeural Style Transferを用いた。 8つのモデルと最高のモデルは、68.72% mAP、0.2% ASDRで、定量的および定性的にベースラインモデルを大幅に上回った。
  論文  参考訳（メタデータ） (2021-04-08T22:53:08Z)
• From Culture to Clothing: Discovering the World Events Behind A Century of Fashion Images [100.20851232528925]
  本稿では,着る衣服に影響を及ぼす特定の文化的要因を特定するための,データ駆動型アプローチを提案する。 私たちの仕事は、計算的、スケーラブルで、簡単にリフレッシュ可能なアプローチによる、カルチャーと衣服のリンクに向けた第一歩です。
  論文  参考訳（メタデータ） (2021-02-02T18:58:21Z)
• Apparel-invariant Feature Learning for Apparel-changed Person Re-identification [70.16040194572406]
  ほとんどのパブリックなReIDデータセットは、人の外観がほとんど変化しない短時間のウィンドウで収集される。 ショッピングモールのような現実世界の応用では、同じ人の服装が変化し、異なる人が同様の服を着ることがある。 着替えなどの場合や、類似の服を着ている場合などにおいて、アパレル不変の人物表現を学ぶことは極めて重要である。
  論文  参考訳（メタデータ） (2020-08-14T03:49:14Z)
• Person Re-identification by Contour Sketch under Moderate Clothing Change [95.83034113646657]
  異なるカメラビューにまたがる歩行者画像のマッチングプロセスである人物再認識は、視覚的監視において重要な課題である。 この作品では、衣服の下でのリメイドを「クロス・クロス・パーソン・リメイド」と呼ぶ。 クロス・クローズ・パーソナリティのための大規模なデータセットが欠如しているため、221のアイデンティティから33698の画像からなる新しいデータセットをコントリビュートする。
  論文  参考訳（メタデータ） (2020-02-06T15:13:55Z)

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。