[논문 리뷰] fAshIon after fashion: A Report of AI in Fashion

Xingxing Zou, Wai Keung Wong|arXiv (Cornell University)|2021. 05. 07.

Fashion and Cultural Textiles참고 문헌 180인용 수 9

한 줄 요약

이 논문은 지난 10년간 패션 분야의 인공지능(fAshIon)에 대한 종합적인 분석을 제공하며, 521篇의 연구 논문을 일곱 가지 적용 영역—개요, 평가, 기초 기술, 유통, 스타일링, 디자인, 구매—으로 분류한다. 이와 함께 연구 격차, 주요 추세, 향후 기회를 밝히며, 글로벌 AI 패션 시장의 연평균 성장률(CAGR)이 40.8%임을 확인하고, 활용도가 낮은 데이터셋과 기술 연구 및 실생활 비즈니스 응용 간의 장벽을 강조한다.

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.

연구 동기 및 목표

• 지난 10년간의 패션 분야 인공지능(fAshIon) 연구 전반을 분석하여 핵심 적용 영역에 걸쳐 521편의 논문을 분석함으로써 연구 영역을 맵핑하는 것.
• 지역적 및 기관별 연구 추세를 파악하여, 패션 속성 인식과 데이터 분포에서의 지역적 차이를 드러내기 위한 것.
• 126개의 fAshIon 관련 기업 및 스타트업을 분석함으로써 학술 연구와 산업 응용 간 격차를 메우고, 실질적인 요구 사항이 충족되지 않은 영역을 밝혀내는 것.
• 유통, 스타일링, 디자인, 구매 분야의 실제 패션 산업 요구사항과 기술적 과제를 연계하여 향후 fAshIon 연구 방향을 제안하는 것.
• 오픈 액세스 패션 데이터셋을 하나의 GitHub 리포지터리에 통합하여 연구 재현성과 벤치마킹을 가속화하는 것.

제안 방법

• 2008년부터 2021년까지 출판된 fAshIon 연구 논문를 식별하기 위해 IEEE Xplore, Google Scholar, arXiv를 활용한 체계적 문헌 리뷰.
• 제목과 초록의 주제 분석을 기반으로 521편의 논문을 일곱 가지 적용 그룹—개요, 평가, 기초 기술, 유통, 스타일링, 디자인, 구매—으로 분류.
• 저자 소속 기관의 지리적 분포를 분석하여 글로벌 연구 핫스팟을 맵핑하고, 중국, 미국, 싱가포르, 인도, 일본, 독일을 주요 연구 지역으로 규명.
• 논문 제목에서 단어 클라우드를 생성하여 가장 빈번한 연구 주제와 새로운 추세를 식별.
• 146개 이상의 패션 데이터셋을 중앙 집중식 GitHub 리포지터리(https://github.com/AemikaChow/DATASOURCE)에 편집 및 정리하여 공개 접근 가능하게 제공.
• 126개의 fAshIon 기반 기업 및 스타트업에 대한 사례 연구 분석을 통해 실생활 영향, 기술 도입 수준, 비즈니스 모델 장벽을 평가.

실험 결과

연구 질문

• RQ1 지난 10년간 패션 분야 인공지능(fAshIon)에서 지배적인 연구 주제와 적용 영역는 무엇인가?
• RQ2 패션 속성 인식에서 지역적 차이(예: '파이슬리'가 일반적 vs. 긴 尾)가 데이터셋 분포와 모델 일반화에 어떤 영향을 미치는가?
• RQ3 학술적 fAshIon 연구와 산업 구현 간 격차는 무엇이며, 기술 이전을 저해하는 장벽은 무엇인가?
• RQ4 가장 활발하고 영향력 있는 연구 주제와 데이터셋은 무엇이며, 신규 연구자들이 fAshIon 분야에서 방향을 잡는 데 어떻게 기여할 수 있는가?
• RQ5 유통, 스타일링, 디자인, 구매 분야에서 패션 산업 워크플로우를 혁신하기 위해 가장 유망한 향후 연구 방향은 무엇인가?

주요 결과

• fAshIon 연구 논문 수는 2011년 이후 급격히 증가했으며, 2018년에 peak(130편)를 기록했고, 2017년에 눈에 띄는 증가 추세를 보였으며, 이는 패션 산업의 AI 도입 추세와 일치한다.
• 중국, 미국, 싱가포르, 인도, 일본, 독일이 주요 연구 지역으로, 중국은 논문 수량과 기관별 기여도에서 모두 선두를 차지한다.
• 연구가 증가하고 있음에도 불구하고, 잘 애너테이션된 패션 속성의 종합적이고 오픈 액세스 데이터셋은 존재하지 않으며, 현재의 데이터셋은 약한 지도 학습과 데이터 노이즈 문제를 애초에 앓고 있다.
• 패션 산업의 글로벌 AI 지출은 2019년 2억 2900만 달러에서 2024년 12억 6000만 달러로 증가할 것으로 예측되며, 연평균 성장률(CAGR)은 40.8%로, 강력한 시장 잠재력을 보여준다.
• 많은 AI 기술들이 스타일링 및 디자인 응용 분야에서 비즈니스 모델과의 괴리로 인해 실질적으로 활용되지 못하고 있다.
• 향후 연구는 약한 지도 학습 기반의 다중 레이블 분류, 웹리-서포티드 데이터에서의 미세한 속성 인식, 대규모 패션 데이터셋에서의 확장 가능한 이미지 검색 기술을 우선순위로 삼아야 한다.