[論文レビュー] Smart Fashion: A Review of AI Applications in the Fashion & Apparel Industry

Seyed Omid Mohammadi, Ahmad Kalhor|arXiv (Cornell University)|Oct 28, 2021

Fashion and Cultural Textiles被引用数 6

ひとこと要約

本論文は、ファッションおよびアパレル分野における580篇以上のAI研究論文を包括的かつタスクベースに調査し、スタイル認識、ガーメントセグメンテーション、バーチャルトライオンなど22の明確な応用分野に分類している。時間的推移の分析、86の公開データセット（使用法を含む）の提供、研究を加速するための構造的アクセスを実施している。

ABSTRACT

The fashion industry is on the verge of an unprecedented change. The implementation of machine learning, computer vision, and artificial intelligence (AI) in fashion applications is opening lots of new opportunities for this industry. This paper provides a comprehensive survey on this matter, categorizing more than 580 related articles into 22 well-defined fashion-related tasks. Such structured task-based multi-label classification of fashion research articles provides researchers with explicit research directions and facilitates their access to the related studies, improving the visibility of studies simultaneously. For each task, a time chart is provided to analyze the progress through the years. Furthermore, we provide a list of 86 public fashion datasets accompanied by a list of suggested applications and additional information for each.

研究の動機と目的

• 580篇を超えるファッションおよびアパレル分野のAI研究論文を、明確に定義された実行可能なタスクに体系的に整理・分類すること。
• 各タスクの時間的推移における発表傾向を可視化する時間的チャートを用いて、研究分野の動向と研究ギャップを同定すること。
• ファッションAI応用分野の研究の可視性とアクセス性を向上させるために、構造的でマルチラベル分類システムを構築すること。
• 再現性のある研究を支援するため、86の公開ファッションデータセットを収集・アノテーションし、使用法とメタデータを付与すること。
• AIドリブンのファッションイノベーションへの入り口を求める研究者および実務家にとっての基盤的リファレンスを提供すること。

提案手法

• マルチラベル分類フレームワークを用いて、580篇以上の研究論文を22の明確なファッション関連タスクに分類すること。
• 各タスクごとに時間的推移のチャートを作成し、2010年から2021年までの研究関心の変化と成長を可視化すること。
• ドメイン、解像度、アノテーションタイプ、推奨使用例を含むメタデータを付与した86の公開ファッションデータセットを収集すること。
• コンピュータビジョンおよび自然言語処理（NLP）技術を用いて、論文のタイトル、要約、キーワードから研究トピックを抽出・分類すること。
• ACMおよび分類基準（cs.CV, cs.AI, cs.LG）を適用して、一貫性と学術的厳密性を確保すること。
• v1からv2までの査読者フィードバックを統合し、明確性、包括性、技術的正確性を向上させること。

実験結果

リサーチクエスチョン

• RQ1 現在、ファッションおよびアパレル産業を形作っている主なAI駆動タスクは何か？
• RQ2 2010年から2021年までの期間にわたり、さまざまなファッションAIタスクにおける研究関心の変化はどのように推移したか？
• RQ3 ファッションAI研究に最も関連性があり、広く使われている公開データセットは何か？その主な特徴は何か？
• RQ4 構造的でタスクベースの分類システムは、ファッションAI分野の研究者にとってのアクセス性と可視性をどのように向上させるか？
• RQ5 現在の研究動向とデータセットの可用性に基づいて、AIのファッション分野における最も有望な応用分野は何か？

主な発見

• ファッションAI研究分野は活発で、580篇を超える論文が調査され、コンピュータビジョンおよびディープラーニング応用分野での成長が著しい。
• 主な研究タスクには、ファッションスタイル認識、ガーメントセグメンテーション、属性予測、バーチャルトライオンが含まれるが、それぞれが明確な時間的成長パターンを示している。
• 本研究では86の公開データセットを同定し、DeepFashion、Market-1501、LIPといった人気データセットが、モデルのトレーニングおよび評価のための重要なベンチマークを提供している。
• 時間的推移分析から、2016年以降、GANや注目メカニズムの進展と重なり、バーチャルトライオンおよび属性予測に関する研究が急増していることが明らかになった。
• タスクベース分類システムにより、研究者は関連文献を迅速に特定でき、検索時間の短縮と研究効率の向上が実現された。
• 本論文は、データセットのアノテーションおよび応用マッピングの標準化フレームワークを確立し、ファッションAI分野における再現性と今後のベンチマーク作成を支援した。