3つの要点 ✔️StyleGANを用いて好きな服を着せた人物画像生成 ✔️元画像の服の色や雰囲気を自在に操作 ✔️圧倒的高解像度の人物画像生成 上図の人物画像は全て生成された画像であり、実在する画像ではありません。 信じられますか? ついにGANによる人物画像生成もこれほどの領域まで到達しました。 今までのGANによる圧倒的高解像度の人物画像生成は顔部分のみに限られていましたが、本論文では全身のとても自然な人物画像生成を行える手法を提案しました。 GANによる画像生成においては動物であったり、食べ物、人の顔、ベッドルームなど様々な物が生成されてきました。そして現在、GANはシンプルな画像生成だけでなく、アートやファッションに転用しようとする動きが出てきています。 それでは見ていきましょう。 概要 本論文のテーマは「服を操作可能な高解像度ファッション画像生成」となっています。今までは服を細か
Can an algorithm create original and compelling fashion designs to serve as an inspirational assistant? To help answer this question, we design and investigate different image generation models associated with different loss functions to boost creativity in fashion generation. The dimensions of our explorations include: (i) different Generative Adversarial Networks architectures that start from no
※AMP表示の場合、数式が正しく表示されません。数式を確認する場合は通常表示版をご覧ください ZOZO Researchの斎藤です。私たちはファッションコーディネートの推薦や生成の基礎として、深層集合マッチングという技術を研究しています。本記事では、深層集合マッチングを理解する上で必要な諸概念の説明と、ファッションデータを使った実験結果について紹介します。対象読者としては、機械学習系のエンジニアや学生を想定しています。 集合マッチングとは ある集合が与えられたとき、その集合にもっともマッチする集合を解の候補から選ぶという問題を考えます。 例えばコーディネートを画像集合として捉えると、あるコーディネートの一部分(部分コーデと呼びます)に対して合う部分コーデを選択するという問題設定を考えることができます。 図: ある部分コーデ(左)にマッチする部分コーデを候補(右)の中から1つ選ぶ このような
Powered by AI: Advancing product understanding and building new shopping experiences Today we’re announcing: We’ve built and deployed GrokNet, a universal computer vision system designed for shopping. It can identify fine-grained product attributes across billions of photos — in different categories, such as fashion, auto, and home decor. GrokNet is powering new Marketplace features for buyers and
Fashion is a large and fast-changing industry. Foreseeing the upcoming fashion trends is beneficial for fashion designers, consumers, and retailers. However, fashion trends are often perceived as unpredictable due to the enormous amount of factors involved into designers' subjectivity. In this paper, we propose a fashion trend prediction framework and design neural network models to leverage struc
ファッション特化の人工知能を展開するベンチャーをやっていると、AIによるトレンド予測の実現を期待されることが少なくありません。 しかし、個人的には年単位のトレンド予測をAIに託すというのは無茶な話だと思っています。 AIの事業を展開しているからこそ、AIに「何ができるのか」と同じくらい「何ができないのか」が見えてきます。 今回はその「何ができないのか」にフォーカスします。 AIの現実的な活用方法や人とAIの役割分担について、より建設的なディスカッションをするためにも、できないことを明確にすることは大切だと考えています。 AIにトレンド予測を期待される背景 よく「ファッショントレンドは繰り替えされる」ということが言われます。オーバーサイズが流行ったり、タイトなシルエットが流行ったり、ビビッドな色が流行ったり、ナチュラルな色が流行ったり。 現に2018年はダッドスニーカー(お父さんが休日に履い
A very simple framework for state-of-the-art NLP. Developed by Humboldt University of Berlin and friends. Flair is: A powerful NLP library. Flair allows you to apply our state-of-the-art natural language processing (NLP) models to your text, such as named entity recognition (NER), sentiment analysis, part-of-speech tagging (PoS), special support for biomedical texts, sense disambiguation and class
この服装に合う靴を選んでコーディネートを完成させたいと思います。皆さんはどの靴を選びますか? データサイエンティストの中村です。今回、このようなタスクを解くためのシステムを開発しました。本記事ではシステムと裏側の要素技術について紹介したいと思います。 概要 ファッションにおいて、コーディネートは何より大事な要素です。安物の服でもコーディネートが整っていればおしゃれに着ることができますし、逆にハイブランドで固めたとしてもダサく見えてしまうことは充分に考えられます。 コーディネートはアイテムの組み合わせであり、コーディネートをよく見せるには一定の規則1に基づく組み合わせの選択が重要です。ところが、この規則は複雑で敷居が高いので、組み合わせに関する表現を直接データから獲得してしまおうというのが今回のトライの内容です。 本記事で紹介するシステムは、コーディネートを学習することで以下のようなタスクを
講演者: 山口光太 先生 (株式会社サイバーエージェント AI Lab) 概要: 機械学習が様々な産業分野に応用されるにつれ,ファッション分野でもコンピュータビジョンを使った分析が広がりを見せている.EC活用などを目指し数多くのスタートアップ企業がファッション画像の認識をコアにしたデータ分析や検索サービス開発を進めるようになっている.本講演ではコンピュータビジョンをファッション分野の問題に適用したこれまでの研究を俯瞰する.衣服や属性の画像認識に始まる基本的な問題から,商品検索やスタイルの推薦,ファッションを構成する意味要素の理解,Webデータからの学習についての研究事例を,著者がこれまでに取り組んできた研究を含めて解説する.
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く