[論文レビュー] fAshIon after fashion: A Report of AI in Fashion

Xingxing Zou, Wai Keung Wong|arXiv (Cornell University)|May 7, 2021

Fashion and Cultural Textiles参考文献 180被引用数 9

ひとこと要約

本稿は、過去10年間におけるファッション分野におけるAI（fAshIon）の包括的分析を提供し、7つの応用分野（概要、評価、基盤技術、販売、スタイリング、デザイン、購入）に分類された521件の研究論文を検討することで、研究上の空白、主なトレンド、今後の機会を特定している。また、世界のAIファッション市場の年平均成長率（CAGR）が40.8%であることを明らかにし、未活用のデータセットや、技術的研究と実際のビジネス応用との間の障壁についても指摘している。

ABSTRACT

In this independent report fAshIon after fashion, we examine the development of fAshIon (artificial intelligence (AI) in fashion) and explore its potentiality to become a major disruptor of the fashion industry in the near future. To do this, we investigate AI technologies used in the fashion industry through several lenses. We summarise fAshIon studies conducted over the past decade and categorise them into seven groups: Overview, Evaluation, Basic Tech, Selling, Styling, Design, and Buying. The datasets mentioned in fAshIon research have been consolidated on one GitHub page for ease of use. We analyse the authors' backgrounds and the geographic regions treated in these studies to determine the landscape of fAshIon research. The results of our analysis are presented with an aim to provide researchers with a holistic view of research in fAshIon. As part of our primary research, we also review a wide range of cases of applied fAshIon in the fashion industry and analyse their impact on the industry, markets and individuals. We also identify the challenges presented by fAshIon and suggest that these may form the basis for future research. We finally exhibit that many potential opportunities exist for the use of AI in fashion which can transform the fashion industry embedded with AI technologies and boost profits.

研究の動機と目的

• 過去10年間におけるファッション分野におけるAI（fAshIon）研究の全体像を、主要な応用分野にわたる521件の論文を分析することでマッピングすること。
• 地理的・機関的傾向を特定し、特にファッション属性の認識やデータ分布における地域差を明らかにすること。
• 126件のfAshIon関連企業・スタートアップの事例分析を通じて、学術的研究と産業応用のギャップを埋め、未満たされた実務的ニーズを特定すること。
• 販売、スタイリング、デザイン、購入の分野における実際のファッション産業の要件と技術的課題を一致させることで、今後のfAshIon研究の方向性を提言すること。
• 研究の再現性とベンチマークの促進を目的として、オープンアクセスのファッションデータセットを統合したGitHubリポジトリを構築すること。

提案手法

• 2008年から2021年までのfAshIon関連論文を特定するため、IEEE Xplore、Google Scholar、arXivを用いた体系的文献レビュー。
• 論文の題名と要旨の主題分析に基づき、521件の論文を7つの応用グループ（概要、評価、基盤技術、販売、スタイリング、デザイン、購入）に分類。
• 著者所属機関の地理的分布を分析し、中国、米国、シンガポール、インド、日本、ドイツが研究のホットスポットであることを特定。
• 論文の題名から語彙クラウドを作成し、頻出する研究トピックと新たなトレンドを同定。
• 146以上のファッションデータセットを収集・整理し、公開用に集中管理するGitHubリポジトリ（https://github.com/AemikaChow/DATASOURCE）を構築。
• 126件のfAshIon対応企業・スタートアップの事例分析により、実世界への影響、技術の採用状況、ビジネスモデル上の障壁を評価。

実験結果

リサーチクエスチョン

• RQ1 過去10年間におけるファッション分野におけるAI（fAshIon）の主な研究テーマと応用分野は何か？
• RQ2 ファッション属性認識における地域差（例：「パイルーブ」が一般的な地域 vs. ロングテールの地域）は、データセットの分布やモデルの汎化性能にどのように影響するか？
• RQ3 学術的fAshIon研究と産業応用との間にはどのようなギャップがあり、技術移転を阻害する要因があるか？
• RQ4 どの研究トピックとデータセットが最も活発で影響力が強く、新規研究者にとっての指針となるか？
• RQ5 販売、スタイリング、デザイン、購入の分野におけるファッション産業の業務フローを変革する上で、最も有望な今後の研究分野は何か？

主な発見

• fAshIon関連論文の数は2011年以降著しく増加し、2018年にピーク（130件）に達した。2017年の著しい増加は、ファッション産業のAI採用トレンドと一致している。
• 中国、米国、シンガポール、インド、日本、ドイツが上位6か国の研究拠点であり、中国が論文数と機関の出力の両面でリードしている。
• 研究の増加にもかかわらず、well-annotatedなファッション属性を含む包括的かつオープンアクセスのデータセットは存在せず、現存するデータセットは弱い教師信号とデータノイズの問題を抱えている。
• ファッション産業の世界的なAI支出額は、2019年の2億2900万ドルから2024年までに12億6000万ドルにまで拡大し、年平均成長率（CAGR）40.8%を示しており、強力な市場可能性を示している。
• 多くのAI技術が、技術フレームワークとビジネスモデルの乖離のため、実務では未活用の状態にあり、特にスタイリングやデザイン分野で顕著である。
• 今後の研究は、弱教師付きマルチラベル分類、ウェブリースラーブドデータにおける細分化された属性認識、大規模ファッションデータセットにおけるスケーラブルな画像検索の優先的取り組みを推奨する。