論文の概要: TwinStore: A Synthetic Consumer Platform Using Vision--Language Models

• arxiv url: http://arxiv.org/abs/2610.30909v1
• Date: Thu, 22 Oct 2026 08:31:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.28299
• Title: TwinStore: A Synthetic Consumer Platform Using Vision--Language Models
• Title（参考訳）: TwinStore - 視覚-言語モデルを用いた合成コンシューマプラットフォーム
• Abstract要約: TwinStoreは、視覚言語モデル上に構築された物理小売のための、ソース対応の総合消費者プラットフォームである。 TwinStoreは、店舗を82の既製フォーマット、フロアプランの画像、あるいは棚の電話写真からデジタルツインに変える。 各旅行はレシートで終わるので、店に着く前に同じ買い物客でレイアウト、価格、パック、プロモーションを試すことができる。
• 参考スコア（独自算出の注目度）: 11.266346621001288
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present TwinStore, a source-available synthetic consumer platform for physical retail built on vision--language models. TwinStore turns a store into a digital twin---from 82 ready-made formats, a floor-plan image or phone photos of its shelves---and fills it with synthetic shoppers who plan a trip, walk the aisles and decide what to buy by looking at rendered shelves with packs, price tags and promotion signs. Every trip ends in a receipt, so a layout, price, pack or promotion can be tried on the same shoppers before it reaches the store. Around this core, TwinStore provides 3D playback, paired comparisons and layout optimization, shopper interviews, a trade-area model, counterfactual edits of real shelf photos, a marketing studio with eleven tools, and an assistant that turns a plain sentence into a drafted study or an answer grounded in a run's own numbers. In a held-out validation on eleven public datasets, simulated receipts approach the households' own natural variation (category-mix divergence 0.017--0.018 against a real drift of 0.012), price elasticities fall inside the range measured in the field, and three independent decision models agree. TwinStore runs on cloud or on-device models and is distributed with installers for Windows, macOS and Linux.
• Abstract（参考訳）: TwinStoreは、ヴィジュアル言語モデルで作られた物理小売のための、ソースで利用可能な合成消費者プラットフォームだ。TwinStoreは、82の既製フォーマットから、フロアプランの画像や、その棚の電話写真など、デジタルのツインに変身する。そしてそれを、旅行を計画する合成買い物客に埋めて、通路を歩いたり、パック、価格タグ、プロモーションサインで飾られた棚を見て、何を買うかを決める。 各旅行はレシートで終わるので、店に着く前に同じ買い物客でレイアウト、価格、パック、プロモーションを試すことができる。 この中核となるTwinStoreは、3D再生、ペア比較とレイアウトの最適化、買い物客インタビュー、取引エリアモデル、実際の棚の写真の偽造編集、11のツールを備えたマーケティングスタジオ、そして、プレーンな文章をドラフトされた研究や、ランの数字に基づいた回答に変換するアシスタントを提供する。 11のパブリックデータセットに対する保留検証では、シミュレートされたレシートが家庭の自然変動(カテゴリ-ミックスのばらつき0.017--0.018)に近づき、フィールドで測定された範囲内で価格の弾力性が低下し、3つの独立した決定モデルが一致した。 TwinStoreはクラウドまたはオンデバイスモデルで動作し、Windows、macOS、Linux用のインストーラと共に配布される。

関連論文リスト

• Solution for UCF UrbanTwin V2X-Real Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
  本報告では,Sim2Real 3D検出のためのマルチソース協調学習とクラス認識融合フレームワークを提案する。 この方法は、デジタルツインスキャン、拡散露光スキャン、密度安定化スキャン、歩行者形態に整列したサンプルを補完的な役割を持つ統合トレーニングプールに整理する。
  論文  参考訳（メタデータ） (2026-09-07T15:16:15Z)
• Analyzing the Shopping Journey: Computing Shelf Browsing Visits in a Physical Retail Store [0.5161531917413708]
  「買い物客の棚参りを計算できるアルゴリズム」を導入する。 棚の訪問者は、マシンビジョンに基づく3Dトラッキングとオーバーヘッドカメラによって得られた軌跡から抽出される。 その結果, キャリブレーションを行った環境と異なる環境下で評価すると, 顧客の閲覧行動を認識することができることがわかった。
  論文  参考訳（メタデータ） (2026-01-02T01:40:12Z)
• Virtual Trial Room with Computer Vision and Machine Learning [0.0]
  顧客は、適合性と適合性に関する確実性がないため、しばしばウェアラブル製品を購入することをためらう。 Virtual Trial Room with Computer Vision and Machine Learningと呼ばれるプラットフォームは、顧客がプロダクトが適合するかどうかを簡単にチェックできるように設計されている。 DECAモデルを用いて1枚の2次元画像から、人間の頭部のAI生成3次元モデルを作成する。 この3Dモデルは、実世界の計測に基づいて人間の頭の上に装着された、カスタムメイドのガラスの3Dモデルで重畳された。
  論文  参考訳（メタデータ） (2024-12-14T06:50:10Z)
• Dual-Camera Smooth Zoom on Mobile Phones [55.4114152554769]
  我々は、スムーズなズームプレビューを実現するために、新しいタスク、すなわちデュアルカメラスムーズズーム(DCSZ)を導入する。 フレームモデル (FI) 技術は潜在的な解決法であるが、地軸収集に苦慮している。 連続型仮想カメラを組み込んだデータファクトリソリューションを提案し,シーンの再構成された3DモデルをレンダリングしてDCSZデータを生成する。
  論文  参考訳（メタデータ） (2024-04-07T10:28:01Z)
• 3D scene generation from scene graphs and self-attention [51.49886604454926]
  本稿では,シーングラフとフロアプランから3次元シーンを合成する条件付き変分オートエンコーダ(cVAE)モデルを提案する。 我々は、シーン内のオブジェクト間の高レベルな関係をキャプチャするために、自己注意層の特性を利用する。
  論文  参考訳（メタデータ） (2024-04-02T12:26:17Z)
• A Cost-Efficient Approach for Creating Virtual Fitting Room using Generative Adversarial Networks (GANs) [0.0]
  新型コロナウイルス(COVID-19)パンデミックの後、多くの売り手はオンラインショッピングに移行したか、そのフィッティングルームを閉鎖した。 この服が購入後に購入者に不適当であるという事実から、私たちは、新しいAI技術を使って、モバイルアプリケーションという形でオンラインプラットフォームや仮想フィッティングルーム(VFR)を作り、Webページを使ってデプロイしたモデルを、物理的に試すことなく、あらゆる種類の布のアイテムを試すことができるオンラインストアに埋め込む方法を考えました。
  論文  参考訳（メタデータ） (2024-02-01T20:18:06Z)
• The Change You Want to See (Now in 3D) [65.61789642291636]
  本稿の目的は、同じ3Dシーンの2つの「野生」画像の間で何が変わったかを検出することである。 我々は,全合成データに基づいて学習し,クラスに依存しない変化検出モデルに貢献する。 我々は,人間に注釈を付けた実世界のイメージペアによる評価データセットを新たにリリースした。
  論文  参考訳（メタデータ） (2023-08-21T01:59:45Z)
• Characterization of Frequent Online Shoppers using Statistical Learning with Sparsity [54.26540039514418]
  本研究は,小売分析と統計学習のアイデアを疎結合に組み合わせ,買い物客のオンラインギフトストアへの買い物嗜好を学習する方法を報告する。
  論文  参考訳（メタデータ） (2021-11-11T05:36:39Z)
• Vision-based Price Suggestion for Online Second-hand Items [40.42940050851797]
  オンラインセカンドアイテムショッピングプラットフォームのためのビジョンベースの価格提案システムを提示します。 ビジョンベースの価格提案の目的は、売り手がオンラインプラットフォームにアップロードされた画像で中古リストの効果的な価格を設定するのを助けることです。
  論文  参考訳（メタデータ） (2020-12-10T22:56:29Z)

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。