Personalized Fashion Recommendation with Image Attributes and Aesthetics Assessment

要約

パーソナライズされたファッションの推奨は、1) 決定はユーザーの美的欲求と高度に相関しており、これまでの研究では見落とされがちでしたが、2) 多くの新しいアイテムが絶えず展開され、人気のアイデンティティー (ID) に厳密なコールドスタート問題を引き起こすため、難しい作業です。
) ベースの推奨メソッド。
トレンド主導の消費主義のため、これらの新しいアイテムを推奨することが重要です。
この取り組みでは、利用可能な情報、特に画像を 2 つの属性グラフに変換することで、より正確にパーソナライズされたファッションの推奨を提供し、最適化された画像利用とノイズ低減ユーザー モデリングに焦点を当てたコールド スタート問題を解決することを目指しています。
画像とテキストを 2 つのコンポーネントとして分離する従来の方法と比較して、提案された方法は画像とテキストの情報を組み合わせて、より豊富な属性グラフを作成します。
大規模な言語および視覚モデルの進歩を利用して、2 つの異なるプロンプトを使用して、きめの細かい属性を効率的かつ希望どおりに抽出する実験を行っています。
IQON3000 データセットの予備実験では、提案された手法がベースラインと比較して優れた精度を達成することが示されました。

要約(オリジナル)

Personalized fashion recommendation is a difficult task because 1) the decisions are highly correlated with users’ aesthetic appetite, which previous work frequently overlooks, and 2) many new items are constantly rolling out that cause strict cold-start problems in the popular identity (ID)-based recommendation methods. These new items are critical to recommend because of trend-driven consumerism. In this work, we aim to provide more accurate personalized fashion recommendations and solve the cold-start problem by converting available information, especially images, into two attribute graphs focusing on optimized image utilization and noise-reducing user modeling. Compared with previous methods that separate image and text as two components, the proposed method combines image and text information to create a richer attributes graph. Capitalizing on the advancement of large language and vision models, we experiment with extracting fine-grained attributes efficiently and as desired using two different prompts. Preliminary experiments on the IQON3000 dataset have shown that the proposed method achieves competitive accuracy compared with baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google