[논문 리뷰] Changing Fashion Cultures

Kaori Abe, Teppei Suzuki외 4명|arXiv (Cornell University)|2017. 03. 23.

Fashion and Cultural Textiles참고 문헌 16인용 수 9

한 줄 요약

이 논문은 16개 도시에서 7600만 장의 지도 태그가 부여된 패션 스냅 샘플을 포함하는 대규모 지도 태그 기반 이미지 데이터베이스(FCDB)를 활용하여 세계 패션 트렌드를 분석하고 시각화하기 위한 새로운 프레임워크인 '패션 문화의 변화'를 제안한다. 비라벨링된 데이터에 의존하지 않고도, 코드워드 벡터 기반의 비지도 패션 트렌드 기술자(FTD)와 시간적 분석을 조합함으로써, 시간에 따른 패션의 진화 양상과 도시별 스타일 유사성을 밝혀내며, 세계 수준의 패션 시각화를 가능하게 한다.

ABSTRACT

The paper presents a novel concept that analyzes and visualizes worldwide fashion trends. Our goal is to reveal cutting-edge fashion trends without displaying an ordinary fashion style. To achieve the fashion-based analysis, we created a new fashion culture database (FCDB), which consists of 76 million geo-tagged images in 16 cosmopolitan cities. By grasping a fashion trend of mixed fashion styles,the paper also proposes an unsupervised fashion trend descriptor (FTD) using a fashion descriptor, a codeword vetor, and temporal analysis. To unveil fashion trends in the FCDB, the temporal analysis in FTD effectively emphasizes consecutive features between two different times. In experiments, we clearly show the analysis of fashion trends and fashion-based city similarity. As the result of large-scale data collection and an unsupervised analyzer, the proposed approach achieves world-level fashion visualization in a time series. The code, model, and FCDB will be publicly available after the construction of the project page.

연구 동기 및 목표

• 라벨이 부여된 패션 데이터에 의존하지 않고, 세계 주요 도시 간의 대규모 시간적 패션 트렌드를 분석하고 시각화하는 것.
• 코드워드 표현의 시간적 비교를 통해 변화하는 스타일을 포착하는 새로운 비지도 패션 트렌드 기술자(FTD)를 개발하는 것.
• 세계 패션 연구를 위해 7600만 장의 지도 태그가 부여된 이미지와 사람 바운딩 박스를 포함한 대규모 패션 문화 데이터베이스(FCDB)를 구축하고 공개하는 것.
• 도시 간 패션 스타일의 차이 또는 유사성은 어떻게 나타나며, 도시 정체성과 시각적 스타일 패tern 간의 연관성을 규명하는 것.
• 공간-시간 데이터 마이닝과 딥 페처 러닝을 조합하여 세계 수준의 패션 시각화를 가능하게 하는 것.

제안 방법

• 저자들은 16개 주요 도시에서 플리커를 통해 7600만 장의 지도 태그가 부여된 패션 이미지를 수집하여 패션 문화 데이터베이스(FCDB)를 구축하였다.
• 딥 러닝 기반의 패션 스타일 기술자(StyleNet+Lab)는 배경의 다양성에 영향을 덜 받는 강력하고 압축된 특징을 추출한다.
• 패션 특징를 군집화하여 유도된 코드워드 벡터 표현을 사용하여 FTD를 구성함으로써, 분류 가능한 스타일 인코딩이 가능해진다.
• 시간적 분석은 연속된 시간 간격(예: 2013–2014) 간의 차이를 계산하여 수행되며, FTD를 활용해 빼기 연산을 통해 패션 변화를 강조한다.
• FTD는 임계값(예: TH = 0.01)을 사용하여 코드워드 수준에서 유의미한 스타일 이동을 식별하고, 새로운 트렌드의 시각화를 가능하게 한다.
• 도시 유사도는 코드워드 벡터를 기반으로 계산되며, 그래프 기반의 시각화를 통해 패션 스타일에 기반한 도시 간 상관관계를 시각화한다.

실험 결과

연구 질문

• RQ1 수작업 레이블링에 의존하지 않고, 다수의 세계 주요 도시에서 시간적 시리즈 패턴으로 패션 트렌드를 효과적으로 어떻게 시각화할 수 있는가?
• RQ2 코드워드 기반 표현 방식이 시간에 따라 진전되는 의미 있는 패션 스타일 변화를 얼마나 잘 포착하는가?
• RQ3 다른 도시 간 패션 스타일은 어떻게 비교할 수 있으며, 문화, 기후, 관광 등 어떤 요소들이 이러한 유사성 또는 차이를 이끄는가?
• RQ4 비지도 프레임워크는 대규모 실세계 이미지 데이터에서 최신 패션 트렌드를 탐지하고 시각화할 수 있는가?
• RQ5 지리적 태그와 시간 스탬프가 부여된 이미지는 세계 패션 문화의 진화를 어떻게 드러내는가?

주요 결과

• FCDB는 16개의 세계 주요 도시에 걸쳐 7600만 장의 지도 태그가 부여된 이미지와 사람 바운딩 박스를 포함하고 있으며, 이는 기존 패션 데이터베이스보다 약 100배 더 크다.
• 제안된 FTD는 연도 간 패션 트렌드 변화를 효과적으로 시각화하며, 뉴욕, 파리, 런던, 도쿄와 같은 도시에서 스타일 선호도의 명확한 시간적 이동을 보여준다.
• 패션 기반 도시 유사도 분석을 통해 파리, 샌프란시스코, 런던은 높은 수준의 스타일 유사성을 보이며, 높은 관광 유입과 글로벌 패션 영향력으로 인해 유사성이 강화된 것으로 분석된다.
• 도쿄와 홍콩는 코드워드 벡터에서 높은 분리도를 보이며, 강력하고 독립적인 현지 패션 정체성을 반영하고 있다.
• 바르셀로나, 취리히, 뉴욕은 공통된 문화적·지리적 근접성으로 인해 낮은 시각적 분리도를 보이며, 이는 유사한 스타일 패턴을 공유하고 있음을 시사한다.
• 장면 기반 특징보다 코드워드 기반 패션 기술자가 더 높은 분류 능력을 보이며, 옷차림 스타일이 도시 정체성을 효과적으로 반영하고 있음을 확인한다.