論文の概要: Loom: Hybrid Retrieval-Scoring Outfit Recommendation with Semantic Material Compatibility and Occasion-Aware Embedding Priors

• arxiv url: http://arxiv.org/abs/2605.09830v1
• Date: Mon, 11 May 2026 00:13:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.440496
• Title: Loom: Hybrid Retrieval-Scoring Outfit Recommendation with Semantic Material Compatibility and Occasion-Aware Embedding Priors
• Title（参考訳）: Loom: セマンティック材料適合性とオーケーション・アウェア・エンベディングを前提としたハイブリッド検索・スコアリング・アウトフィット・レコメンデーション
• Authors: Anushree Berlia,
• Abstract要約: Loomは、ニューラルネットワークの埋め込み検索と構造化されたドメインスコアを組み合わせた服装推薦システムである。 システムは、コモディティハードウェア上で5秒未満でスタイリスティックに異なる3つの衣装を生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Loom, an outfit recommendation system that combines neural embedding retrieval with structured domain scoring to generate complete, coherent outfits from fashion catalogs. Given an anchor clothing item, Loom retrieves complementary pieces via slot-constrained approximate nearest neighbor search over FashionCLIP embeddings, then scores candidate outfits using a multi-objective function that integrates six signals: embedding similarity, color harmony, formality consistency, occasion coherence, style direction, and within-outfit diversity. We introduce two techniques that address limitations of purely learned or purely rule-based approaches: (1) semantic material weight, which uses CLIP embedding geometry to infer garment heaviness for layer compatibility without hand-coded material taxonomies; and (2) vibe/anti-vibe occasion priors, which embed prose descriptions of occasion contexts as anchor vectors in CLIP space and score items by differential affinity. Ablation experiments on a catalog of 620 items show that each component contributes measurably to outfit quality: the full system achieves a mean outfit score of 0.179 with a 9.3% hard violation rate, compared to 0.054 score and 16.0% violations for a category-constrained random baseline, a 3.3x improvement in score and 42% reduction in violations. Direction reranking is the single indispensable component: removing it drops score to 0.052, essentially equal to random. The system generates three stylistically distinct outfits in under 5 seconds on commodity hardware.
• Abstract（参考訳）: ニューラル埋め込み検索と構造化ドメインスコアを組み合わせることで,ファッションカタログから完全で一貫性のある衣装を生成する,服飾レコメンデーションシステムであるLoomを提案する。 アンカー服のアイテムが与えられた後、Loomはスロットに制約された近接した近隣の探索を通じてFashionCLIP埋め込みを検索し、類似性、色調和、フォーマル性整合性、時整合性、スタイル方向、不適合性の多様性の6つの信号を統合する多目的関数を用いて候補装束をスコアする。 本手法では,(1)CLIPの組込み形状を用いて,手書きの材料分類を使わずに重み付けを行うセマンティック・マテリアル・ウェイト,(2)CLIP空間のアンカーベクトルとして時空間の散文記述を組み込んだビブ/アンチ・バイブ・シークエンス・プレファレンスを,差分親和性によって評価するセマンティック・マテリアル・ウェイトを導入する。 620項目のカタログ上でのアブレーション実験は、各コンポーネントが衣服の品質に測定可能な寄与であることを示している: 完全なシステムは、カテゴリー制約されたランダムベースラインの0.054スコアと16.0%違反、スコア3.3倍改善、および42%の違反率に対して、平均衣装スコア0.179を9.3%ハード違反率で達成する。 得点を0.052に落とし、基本的にランダムに等しい。 このシステムは、コモディティハードウェア上で、スタイリスティックに異なる3つの衣装を5秒以内に生成する。

関連論文リスト

• Instruction Complexity Induces Positional Collapse in Adversarial LLM Evaluation [0.0]
  Vagueの逆行命令は、保存されたコンテンツエンゲージメントによって適度に精度を低下させる。 2段階の応答認識回避命令は、単一応答位置にほぼ全方位濃度で極端に位置崩壊する。 その結果、命令の複雑さは、敵対的コンプライアンスがコンテンツ認識またはコンテンツブラインドメカニズムを使用するかどうかを判断できることが示唆された。
  論文  参考訳（メタデータ） (2026-04-29T22:48:24Z)
• Pseudo Label NCF for Sparse OHC Recommendation: Dual Representation Learning and the Separability Accuracy Trade off [3.558452956820138]
  調査駆動環境における極端相互作用空間下でのレコメンデーションについて検討した。 我々は,行列因子化,多層パーセプトロン,NeuMFなどの協調フィルタリングアーキテクチャを拡張し,サーベイグループ特徴アライメントから擬似ラベルを抽出する。 結果として得られる Pseudo Label NCF は双対埋め込み空間を学習する: ランク付けのための主埋め込みとセマンティックアライメントのための擬似ラベル埋め込みである。
  論文  参考訳（メタデータ） (2026-03-25T19:21:28Z)
• PRECEPT: Planning Resilience via Experience, Context Engineering & Probing Trajectories A Unified Framework for Test-Time Adaptation with Compositional Rule Learning and Pareto-Guided Prompt Evolution [2.28438857884398]
  自然言語として知識を格納するLLMエージェントは、条件数の増加に伴って急激な検索劣化に悩まされる。 本稿では,3つの密結合コンポーネントによるテスト時間適応のための統合フレームワークであるPreCEPTを紹介する。
  論文  参考訳（メタデータ） (2026-03-10T13:16:45Z)
• SARA: Scene-Aware Reconstruction Accelerator [8.403194119298622]
  SARAは、SfM(Structure-from-Motion)のための幾何学駆動のペア選択モジュールである。 視覚的類似性のみに基づいてペアを選択する従来のパイプラインとは異なり、SARAは幾何学第一対選択を導入する。 軽量のプレマッチングステージは、互いに近接する隣人とRANSACを使用して、再建情報度を推定する。
  論文  参考訳（メタデータ） (2026-01-11T09:45:03Z)
• Clothes-Changing Person Re-Identification with Feasibility-Aware Intermediary Matching [86.04494755636613]
  現在の衣服変更者の再識別(re-id)アプローチは通常、衣服に関係のない特徴に基づいて検索を行う。 本稿では,ファッション関連機能を検索に利用するためのFAIMフレームワークを提案する。 提案手法は, 広く使用されている衣服変化型re-idベンチマークにおいて, 最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2024-04-15T06:58:09Z)
• Composed Image Retrieval with Text Feedback via Multi-grained Uncertainty Regularization [73.04187954213471]
  粗い検索ときめ細かい検索を同時にモデル化する統合学習手法を提案する。 提案手法は、強いベースラインに対して+4.03%、+3.38%、+2.40%のRecall@50精度を達成した。
  論文  参考訳（メタデータ） (2022-11-14T14:25:40Z)
• OutfitTransformer: Learning Outfit Representations for Fashion Recommendation [6.890771095769622]
  本稿では,全項目間の互換性関係を符号化した効果的な衣服レベルの表現を学習するフレームワークであるOutfitTransformerを提案する。 互換性予測のために,グローバルな装束表現を捕捉し,分類損失を用いてフレームワークを訓練するための装束トークンを設計する。 補完的な項目検索のために,対象項目の仕様を考慮に入れたターゲット項目トークンを設計する。 生成されたターゲットアイテムの埋め込みは、残りの服にマッチする互換性のあるアイテムを検索するために使用される。
  論文  参考訳（メタデータ） (2022-04-11T00:55:40Z)

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。