文献

J-GLOBAL ID：202002275692530078   整理番号：20A1797429

カスタム化マルチアイテムファッションアウトフィット構成のための解釈可能分割埋込み【JST・京大機械翻訳】

Interpretable Partitioned Embedding for Customized Multi-item Fashion Outfit Composition

著者 (6件)： Feng Zunlei (Zhejiang University, Hangzhou, China) ,  Yu Zhenyun (Zhejiang University, Hangzhou, China) ,  Yang Yezhou (Arizona State University, Phoenix, AZ, USA) ,  Jing Yongcheng (Zhejiang University, HangZhou, China) ,  Jiang Junxiao (Alibaba Group, Hangzhou, China) ,  Song Mingli (Zhejiang University, HangZhou, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICMR ’18  ページ： 143-151  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 知的ファッションアウトフィット組成は,これらの年にますます一般的になる。いくつかの深層学習ベース手法は,最近,競合組成を明らかにした。しかし,そのような深層学習ベースアプローチが,デザイナ,ビジネス,および消費者が,アウトフィット構成における異なる属性の重要性を理解するのに,そのような深い学習ベースアプローチを適合できない。解釈可能かつカスタマイズされたマルチアイテム方式アウトフィット構成を実現するために,著者らは,衣服アイテムから解釈可能な埋込みを学習するための分割埋込みネットワークを提案した。ネットワークは,属性分割モジュールと分割広告モジュールという2つの不可欠な構成要素から成る。属性分割モジュールにおいて,多重属性ラベルを採用して,全体的埋込みの異なる部分が異なる属性に対応することを確認した。分割広告モジュールにおいて,敵対操作を採用して,異なる部分の独立性を達成した。解釈可能および分割埋込みによって,著者らは次に,アウトフィット構成グラフおよび属性マッチングマップを構築した。広範な実験は,1)分割埋込みは,異なる属性に対応する非混合部分を有し,2)著者らのモデルによって推奨された外装は,既存の方法と比較してより望ましいことを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  広告 ,  消費者 ,  ネットワーク ,  衣服 ,  多重化 ,  カスタム化
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 敵対 ,  埋め込み ,  解釈可能 ,  アウトフィット組成

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： カスタム化 ,  埋込み