Design-time Fashion Popularity Forecasting in VR Environments

要約

新しい衣服デザインの人気を予測できることは、ファッションのようにペースの速い業界では、収益性と売れ残りの問題を減らすという両方の観点から非常に重要です.
ここでは、バーチャルリアリティデザイナーアプリケーション内でファッションデザイナーに有益な予測を提供するために、このタスクに対処しようとします。これにより、インタラクティブで没入型の環境内で現在の消費者の好みに基づいて作品を微調整できます.
これを達成するためには、次の主要な課題に対処する必要があります: (1) 提案された方法は、創造的なプロセスを妨げてはならず、したがって、衣服の視覚的特徴のみに依存する必要があります。(2) 新しい衣服には、過去のデータが不足しています。
(3) 一般的にファッショントレンドは非常にダイナミックです。
この目的のために、ファッション画像に微調整されたコンピューター ビジョン パイプラインを開発し、関連する視覚的特徴を衣服のカテゴリと属性と共に抽出します。
ファッション カテゴリと属性の間の階層関係を自動的に取得するための階層ラベル共有 (HLS) パイプラインを提案します。
さらに、自己回帰ニューラル ネットワークが衣服のカテゴリと属性の人気の時系列をモデル化しながら、新しい衣服の視覚的特徴とカテゴリ特徴を組み合わせることによって新しい衣服の人気を予測するマルチモーダル準自動回帰ニューラル ネットワークである MuQAR を提案します。
提案された HLS と MuQAR はどちらも、主要なベンチマーク データセット、画像分類の DeepFashion、新しい衣料販売予測の VISUELLE で現在の最先端技術を超えることができることを証明しています。

要約(オリジナル)

Being able to forecast the popularity of new garment designs is very important in an industry as fast paced as fashion, both in terms of profitability and reducing the problem of unsold inventory. Here, we attempt to address this task in order to provide informative forecasts to fashion designers within a virtual reality designer application that will allow them to fine tune their creations based on current consumer preferences within an interactive and immersive environment. To achieve this we have to deal with the following central challenges: (1) the proposed method should not hinder the creative process and thus it has to rely only on the garment’s visual characteristics, (2) the new garment lacks historical data from which to extrapolate their future popularity and (3) fashion trends in general are highly dynamical. To this end, we develop a computer vision pipeline fine tuned on fashion imagery in order to extract relevant visual features along with the category and attributes of the garment. We propose a hierarchical label sharing (HLS) pipeline for automatically capturing hierarchical relations among fashion categories and attributes. Moreover, we propose MuQAR, a Multimodal Quasi-AutoRegressive neural network that forecasts the popularity of new garments by combining their visual features and categorical features while an autoregressive neural network is modelling the popularity time series of the garment’s category and attributes. Both the proposed HLS and MuQAR prove capable of surpassing the current state-of-the-art in key benchmark datasets, DeepFashion for image classification and VISUELLE for new garment sales forecasting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google