はじめに DROBE の課題と GPT-4-Vision-Preview を試すモチベーション ケーススタディ 入力するデータ 推論周辺部分のコード プロンプト 実験結果 おわりに 参考文献 はじめに OpenAIが Dev Day で発表したGPT-4-Vision-Previewは、画像処理と自然言語処理を組み合わせた最先端の技術です。 このモデルは、画像を理解し、その内容に基づいてテキスト情報を生成する能力を持っています。例えば、写真やイラストから物体を識別し、それに関連する説明や情報をテキストとして提供できます。この技術は、画像とテキストの間のギャップを橋渡しするものであり、多様な応用が可能です。 DROBEは、多様なファッション商品を取り扱うECサイトを運営しています。我々の挑戦の一つは、膨大な数の商品画像と説明文から、正確で有用なタグを抽出し、整理して保存しておく事です。このプ

「ChatGPT Meetup」は、プロンプティングからOpenAI API、さらには周辺のライブラリやHubのエコシステムまで広く活用の助けになる知見を共有し、みんなで手を動かして楽しむためのコミュニティです。1回目に登壇したのは、株式会社DROBEの岸本将志氏。ChatGPTを使ったプロダクト開発について発表しました。 登壇者の自己紹介 岸本将志氏：基本的には、「ChatGPT」を使って、新しいサービスを作りますという話をしようと思っています。 内容としては、自己紹介とChatGPTを使ったサービスの概要と、どう実現しているかという話と、プロンプトを改善したという話と、システムの構成の話と、最後に今後の展望を話せればと思っています。 自己紹介です。株式会社DROBEの岸本と申します。主に、機械学習を用いたサービスの開発や、サービスの周辺のインフラなどをやっていて、いわゆる機械学習を専門

AI モデル Image credit: Lalaland.ai デニムブランドの Levi’s は3月、AI モデル会社 Lalaland.ai と提携し、AI が生成したモデルを使って服を紹介すると発表したが、人間のモデルから仕事を奪うという反発を招き、リーバイスは火消しに乗り出さざるをえなかった。 しかし、このアイデアは、中小のアパレルブランドにとってはチャンスかもしれない。中小のアパレルブランドは、写真撮影にかかる高額な費用に悩まされている。写真撮影にはモデルのギャラやヘアメイク、会場費などが含まれ、これらのコストは中小ブランドにとって大きな負担となっている。 そこで、AI を活用したモデルソリューション企業が登場し、中小ブランドにとって画期的な解決策となっている。例えば、Lalaland.ai や Botikaと いった企業は、月額15米ドルからの料金で AI モデルのサブスクリ

作業服や安全靴など作業関連用品の国内最大手である株式会社ワークマン（以下、ワークマン）様は、全社を挙げた「データドリブン経営」の成功企業として多くの注目を集めています。 11期連続で最高益更新という好業績を支える背景には、現場の社員が勘や経験ではなく「データ」に基づいた意思決定をするという組織風土への変革があったと言います。 そのワークマンがデータ活用のさらなる推進、AI実装の内製化に向けた取り組みの一環として、2022年11月に当社の「Pythonハンズオントレーニング（インハウス研修）」を導入いたしました。 今回は「Pythonハンズオントレーニング」の実施に至った背景や導入効果について、データ戦略部 部長代理の長谷川 誠 様にお話しを伺いました。

こんにちは。ML・データ部データサイエンス1ブロックの尾崎です。データサイエンス1ブロックでは機械学習モデルや、データ分析によって得られたルールベースのモデルの開発をしています。特に、ZOZOTOWNやWEARの画像データを扱っています。 本記事では、教師データがないPoC特有の「モデルの評価をどうするか」という課題への対策を商品画像の色抽出の事例とともに紹介します。教師データが無いという同じ境遇に置かれた方々の一助となれば幸いです。 目次 目次 事業上の課題 どのようなモデルを作ったか モデルの評価をどうしたか 何を正解ラベルとするか アノテーションを外注するか、内製するか 評価指標の設計をどうしたか まとめ 参考 事業上の課題 アパレル商品の検索において、カラーは重要な要素の1つです。ZOZOTOWNでは15色のカラー（図1）を指定して検索できますが、より細かな粒度で商品を検索したいユ

ガジェット全般、サイエンス、宇宙、音楽、モータースポーツetc... 電気・ネットワーク技術者。実績媒体Engadget日本版, Autoblog日本版, Forbes JAPAN他 イタリア・トリノのスタートアップ企業Cap_ableが、着用すれば顔を隠さずとも顔認識AIに認識されなくなるとうたうニットウェアコレクション「Manifesto」を発売しました。 Cap_ableによれば、この独特の色使いとややサイケデリックな風味もある特徴的なデザインによって、画像認識 AIは人がいるのではなく何らかの動物と勘違いし、顔認識処理を行わなくなるとしています。 共同設立者でCEOのRachele Didero氏は、ニューヨークの大学で修士課程に在籍していたときに初めてAI顔認識技術を知り、ファッションデザインとコンピューター科学を融合して、毎日身につけるもので個人情報を守ることができないかと考え

この記事で使用しているヴィジュアルは、全てAIでモデルを生成しています。人間のモデルと比べても遜色ないクオリティですが、AIを生成しているのはAI model株式会社が運営するサービス「AI model」によるもの。2022年3月にサービスの本格展開を開始し、注目を集めています。そんな「AI model」の開発理由は？活用方法や現状の課題、目標などAI model株式会社CEOの谷口大季氏に話を聞きました。 元々、私は三越伊勢丹や集英社、バーニーズ ニューヨーク（BARNEYS NEW YORK）などアパレル企業向けにECサイトの構築やクリエイティブ制作の支援をさせていただく事業を約17年やっています。そういった業務の中で、ブランドの世界観を表現する撮影において大変な部分が多く、もっと効率化できないか、クリエイティブの表現の幅が広がらないかと試行錯誤をしていく中で、AI技術に注目しました。

2023-01-06 コーセーと東工大、高速プロジェクションマッピング技術と色補正技術を活用して実際の顔でメイクを体験できるシステムを開発 株式会社コーセーと東京工業大学 渡辺義浩研究室（以下、東京工業大学）は、東京工業大学の高速プロジェクションマッピング技術と、コーセーが開発した、肌の反射特性から適切な色を投影できる色補正技術を組み合わせることで、実際の顔で体験できるリアルなメイクシミュレーションシステムを開発した。 既存のメイク選択を補助するツールとしてはスマートフォンなどのデジタル機器で動作するメイクシミュレーターが広く知られているが、同研究ではより実際の顔を使ったよりリアルなメイク体験を生み出せないかという着想から、プロジェクションマッピング技術に着目した。目や口といった表情による動きが大きい部分への投影に対応できる高速投影技術と色補正技術を組み合わせることで、動きのある顔上でも実

「オフィスカジュアルって何」「どのへんがストリート？」──多くの人が頭を悩ませる曖昧なファッション用語。そうした表現を含む質問にAIが自動で回答する技術をZOZO研究所と早稲田大学の研究グループが開発した。 全身のコーディネート画像に「♯カーディガン」「♯キレイめ」「♯カジュアル」などアイテムの座標と曖昧な表現を多く含む複数のタグを付与。それらを自動的に学習・解釈し、関係性を明らかにするAI技術を開発した。さらに活用方法も提案している。 例えばあるコーディネート画像を見た利用者が「このファッションのどのあたりがストリートですか？」と問えば、ストリートのタグが付与されたアイテムを赤く表示する（ヒートマップ）。「このファッションを少しフォーマルにすると？」という問いには一部を入れ替えた画像を使って新アイテムを提案できる。 研究グループは「ファッション分野特有の曖昧性はユーザーが新しいジャンルの

まるで人間のようなモデルが、アパレル製品の魅力を伝えている。Alによるファッションモデル生成サービス「AI model」がネット上で注目を集めた。モデルはAIが生み出した架空のもので、顔立ち、ヘアスタイルなどの容姿を自由自在に変化させられるという。 ファッション通販サイトの商品着用イメージ画像などへの使用を目的としたAI画像生成サービスで、AI model株式会社が今年６月に提供を始めた。画像を作る方法は主に次の２パターンがある。 （１）人体に近い形の特殊なマネキンに服を実際に着せて商品を撮影した後、頭部などをAI生成の画像で補い簡単なポーズをつける。 （２）人間のモデルが着用しロケーション撮影やダイナミックなポーズの撮影をした後、頭部などをAI生成の画像で補う。 通販でのアパレル製品購入者が気にする質感の表現について、同社の経営責任者・谷口大季さんは「マネキンで撮影をするので、シワ感とか

同店舗は販売を目的としない「売らない店」だ。来店客は事前にファッションの好みや悩みをインターネットを通じたアンケートで回答する。来店時は、独自のAI（人工知能）サービスとプロのスタイリストに相談。1人当たり2時間以上かけて似合いのコーディネートを提案する。最後はプロのヘアメークを受け、気に入ったスタイリングで写真撮影をして終了だ。これら一連のサービスはすべて無料となる。 来店は完全予約制。対話アプリ「LINE（ライン）」の専用アカウントから応募し、当選者が店に訪れる。来客数は1日当たり4～5人を想定しており、年間で1000人程度を見込んでいる。サービスを受けた来店客に商品情報が登録されたQRコードを送り、ZOZOのEC事業サイトへの流入を促す。 表参道に店舗を構え、プロのスタイリストを採用するなど、似合うラボのサービスを無償提供するにはコストがかかる。ZOZOの澤田宏太郎社長は「似合うラボ

アパレルのモデル撮影はコスト負担が大きい… アパレルのモデル撮影において、モデル着用イメージは商品購入を左右する重要なポイントです。 しかし、モデル撮影はコスト負担が大きく、多くのアパレル企業がモデル撮影業務に悩みを抱えています。

また、ZOZO自身でもZOZOSUIT 2の技術を活用したボディマネジメントサービス「ZOZOFIT」を2022年夏に米国で展開予定。ZOZOFITを着た状態でスマホを使って体型を計測し、身体の3Dモデルを作成。体型管理が簡単にできるという。ただし、ZOZOFITの日本展開については今のところ検討中としている。 関連記事 全身を瞬時に採寸、ボディスーツ「ZOZOSUIT」無料配布　「ぴったりの服」注文可能に 「人が服に合わせる時代から、服が人に合わせる時代へ」――身体を瞬時に採寸できるというボディスーツ「ZOZOSUIT」の無料配布がスタート。「ぴったりの服」をネット注文可能に。 ZOZOSUIT 2登場　マーカー数50倍、計測アルゴリズム改善で精度向上 ZOZOが「ZOZOSUIT 2」を発表した。採寸用マーカーの数やデザイン、計測アルゴリズムなどを改善し、より精密な3Dモデルが作れるよ

IT Leaders トップ ＞ テクノロジー一覧 ＞ AI ＞ 事例ニュース ＞ ワークマン、AI予測分析ツールを現場に導入、社員みずからExcelとAIでデータを分析 AI AI記事一覧へ [事例ニュース] ワークマン、AI予測分析ツールを現場に導入、社員みずからExcelとAIでデータを分析 2022年2月8日(火)日川 佳三（IT Leaders編集部） リスト ワークマンは、マシンラーニング（機械学習）を活用した予測モデルを作成可能なツール「Prediction One」（ソニーネットワークコミュニケーションズ製）を導入した。現場の社員みずからAIでデータを分析し、特定の新製品の販売予測や、店舗の1年間の売上予測のために利用している。ソニーネットワークコミュニケーションズが2022年2月7日に発表した。 ワークマンは、マシンラーニング（機械学習）を活用した予測モデルをワンクリック

中国のアパレル業界でAI導入が急速に進んでいる。この流れ作り出したのは、コロナ禍で単独急成長を遂げた「SHEIN」（シーイン）だ。テクノロジーを積極的に導入し、製品企画から販売までをわずか3日で実現する同社の成功を目の当たりにして、縮小傾向にあった業界内も熱を取り戻しつつある。だが、業界の中心にいるのはSHEINだけじゃない。知衣科技が提供する、画像解析でデザインをアシストするSaaS「知衣」（ジーイー）を導入する企業が2000社を超えた。近い将来、中国アパレルのスタンダードにもなり得る「AIアシストデザイン」の全容とは？

TSIホールディングスは、京セラとの協業によって店舗内で顧客の動きをデータ化する行動取得システムを開発し、実証実験を始めた。ハンガーに取り付けたセンサー（センシングデバイス）によって「商品を手に取る」「姿見の前で合わせる」「試着室に入る」といった関心の具合をデータ化する。データをもとにECのレコメンデーションなどに活用し、顧客の体験価値を高める。 11月から「ナノ・ユニバース」のラゾーナ川崎店で導入した。まず同店で半年間の実証実験を行う。その後「ナノ・ユニバース」の他店やTSIの他の業態に広げる。 仕組みとしては、「ナノ・ユニバース」のアプリ会員の客が店舗の入り口の読み取り装置にスマートフォンをかざしてチェックインする。気に入った商品のハンガーを持ち上げるとセンシングデバイスが反応。さらに姿見や試着室に取り付けたビーコンから位置情報や商品情報がアプリに送信される。それらの情報と店舗内のカメ

こんにちは。パロアルトインサイトCEO・AIビジネスデザイナーの石角友愛です。 先日、ギャップ（Gap）が米ニューヨークとイスラエルのテルアビブを拠点とするCONTEXT-BASED 4 CASTING（コンテクスト・ベースド 4 キャスティング、以下CB4）というAIスタートアップを買収したことが報道されました。 CB4は、AIと機械学習を利用した予測分析と需要感知によって、Gapの売上促進や顧客体験の向上に貢献していくそうです。同社にはシリコンバレーでトップの実績を持つVC、セコイア・キャピタルが出資していたため、シリコンバレー界隈でも注目されていました。 今回はファッション業界でのAI活用事例をもとに、機会損失を減らし過剰生産を回避するための様々なアプローチを考察します。 ファストファッション業界は今、曲がり角に立っていると言われています。原材料のコットンの価格高騰（過去1カ月で18

※この記事はデータサイエンス専門メディア「Da-nce」からの転載です 袖部分がふんわりしているボリューム袖は、今年がトレンドのピークかもしれない。来年も続くかどうかは注視する必要がある――。 ファッションAIによるトレンド分析サービス「#CBK forecast（カブキフォーキャスト）」を提供する、株式会社ニューロープ代表の酒井聡さんは、膨大なデータからファッションアイテムの行く先を語る。 株式会社ニューロープ 酒井 聡氏 ファッションに特化したAIをファッションEC、メーカー、メディア、商社等にSaaS提供するスタートアップ、ニューロープの代表。リコメンデーションやパーソナライズ、トレンド分析、需要予測、オペレーション支援など、ドメインにフォーカスしてバーティカルに取り組む。2018年東洋経済誌の「すごいベンチャー100」選出。 九州大学芸術工学部でアートとサイエンスを学んだ後、200

ZOZOテクノロジーズは9月2日、服のコーディネート約255万件とアイテム約200万件などを含むデータセット「Shift15M」をオープンソースとしてGitHubで公開したと発表した。服の流行が変化してもAIの認識精度を高く保つための研究への活用を見込む。 公開したデータは、服のコーディネートを試せるアプリ「IQON」で2010～2020年に投稿されたコーディネート情報や、投稿日時、「いいね」の数、ジャンルやカテゴリー情報、機械学習用に付与したラベルなど。 同社によると、ファッション関連のデータは流行の変化や新製品の登場によってデータの分布が変わる「分布シフト」という現象が起き、AIによる認識精度が低下する。分布シフトはファッション以外の分野でも起きるが、これまでデータセットの不足で研究が進まなかったという。 Shift15Mと合わせて、10年間のコーディネートの傾向を基に分布シフトの再現