[논문 리뷰] Teaching DNNs to design fast fashion

Abhianv Ravi, Arun Patro외 4명|arXiv (Cornell University)|2019. 06. 27.

Color perception and design참고 문헌 9인용 수 6

한 줄 요약

이 논문은 소셜 미디어 신호에서 패션 트렌드를 자동으로 탐지하고 스타일 전이를 통해 새로운 의류 프로토타입을 생성하는 딥 러닝 기반 시스템을 제안한다. 이는 빠른 데이터 기반 디자인과 초기 고객 피드백을 가능하게 하여 설계에서 제조로의 시간과 생산 폐기물을 줄인다. 주요 기여는 트렌드에 영향을 받는 맞춤형 디자인을 합성함으로써 설계에서 제조로의 시간과 폐기물을 줄이는 완전 자동화된 파이프라인을 제공하며, 스타일 보간을 통해 디자이너의 탐색을 지원한다.

ABSTRACT

$ $"Fast Fashion" spearheads the biggest disruption in fashion that enabled to engineer resilient supply chains to quickly respond to changing fashion trends. The conventional design process in commercial manufacturing is often fed through "trends" or prevailing modes of dressing around the world that indicate sudden interest in a new form of expression, cyclic patterns, and popular modes of expression for a given time frame. In this work, we propose a fully automated system to explore, detect, and finally synthesize trends in fashion into design elements by designing representative prototypes of apparel given time series signals generated from social media feeds. Our system is envisioned to be the first step in design of Fast Fashion where the production cycle for clothes from design inception to manufacturing is meant to be rapid and responsive to current "trends". It also works to reduce wastage in fashion production by taking in customer feedback on sellability at the time of design generation. We also provide an interface wherein the designers can play with multiple trending styles in fashion and visualize designs as interpolations of elements of these styles. We aim to aid the creative process through generating interesting and inspiring combinations for a designer to mull by running them through her key customers.

연구 동기 및 목표

• 기존 패스트 패션 공급망에서 발생하는 높은 폐기량과 느린 대응 시간 문제를 해결하기 위해 AI를 활용해 트렌드 감지와 빠른 디자인 생성을 수행한다.
• 주관적이고 회피적인 디자인 결정에 의존하는 것을 줄이고, 소셜 미디어에서 유래한 데이터 기반 트렌드 신호로 대체한다.
• 디자인 단계에서 초기 고객 피드백을 통합하여 판매 가능성 향상과 과잉 생산 감소를 도모한다.
• 디자이너가 트렌딩 스타일 간의 보간을 탐색하고 조작할 수 있는 상호작용 가능한 인터페이스를 제공한다.
• 딥 뉴럴 네트워크가 개인 사용자 선호도가 아닌 글로벌 트렌드를 영감으로 삼아 창의적이고 새로운 패션 디자인을 생성할 수 있음을 입증한다.

제안 방법

• 시스템은 시간에 따라 변화하는 소셜 미디어 신호를 처리하여 실시간으로 새로운 패션 트렌드를 탐지한다.
• 스타일 전이를 위해 딥 뉴럴 네트워크(DNNs)를 활용하여 색상, 프린트, 실루엣, 질감 등의 트렌드 요소를 조합해 새로운 의류 디자인을 합성한다.
• 사용자 인터페이스를 통해 디자이너가 다수의 트렌딩 스타일 간의 보간된 디자인을 시각화하고 조작할 수 있다.
• 디자인 단계에서 디자이너와 타겟 고객으로부터 실시간 피드백을 수집하여 영감과 시장 잠재력 평가를 수행한다.
• 트렌드 감지는 개인 사용자 선호도가 아닌 글로벌 현상, 예를 들어 동물 무늬, 강렬한 색상, 체크무늬나 크로스아웃 무늬와 같은 패tern에 집중한다.
• DNN 아키텍처는 스타일 요소를 전이하면서 옷의 구조적 통합성을 유지하도록 훈련되어 현실적이고 착용 가능한 프로토타입을 생성한다.

실험 결과

연구 질문

• RQ1 딥 러닝 모델은 비정형 소셜 미디어 데이터에서 중요한 패션 트렌드를 효과적으로 감지하고 추출할 수 있는가?
• RQ2 DNN은 감지된 트렌드 요소를 표준 의류 실루엣에 전이함으로써 창의적이고 착용 가능한 새로운 의류 디자인을 얼마나 잘 생성할 수 있는가?
• RQ3 디자이너와 최종 소비자가 AI로 생성된 패션 프로토타입의 독창성, 영감, 시장 잠재력에 대해 어떻게 평가하는가?
• RQ4 디자인 단계에서 수집한 초기 고객 피드백은 판매 가능성 예측 정확도를 향상시키고 생산 폐기량을 줄이는 데 기여하는가?
• RQ5 DNN은 단순히 기존 스타일을 복제하는 것을 넘어서 창의적이고 평범하지 않은 디자인을 생성할 수 있는가?

주요 결과

• 15개의 생성된 디자인 중 6개가 디자이너(영감)와 상업적 타당성 평가에서 모두 긍정적인 피드백을 받았으며, 이는 시장 잠재력과의 강력한 일치를 시사한다.
• 4개의 디자인은 영감과 제조 가능성 양 측면에서 낮은 평가를 받았는데, 주로 네온 색상과 뱀피 같은 강렬한 프린트의 과도한 조합 탓이었다.
• 최종 소비자는 고대비, 강렬한 조합(예: 네온 색상과 동물 무늬)을 가진 디자인을 '신선하고 새로운' 것으로 평가했지만, 디자이너 평가에서는 낮은 점수를 받았다.
• 디자이너들은 강렬한 색상과 프린트를 전체 커버리지 요소보다는 장식 요소로 사용하는 것을 선호했으며, 이는 DNN가 색상-프린트 통합을 더욱 정교하게 다룰 필요가 있음을 시사한다.
• 시스템은 물고기 비늘 무늬를 스커트 실루엣에 적용하여 해면처럼 생긴 실루엣을 성공적으로 생성했으며, 이는 명시적 훈련 데이터를 초월한 잠재적 창의성의 증거이다.
• 네트워크는 무늬 입력에 따라 허리선과 같은 구조적 세부 정보를 다르게 인식하여 단순한 무늬 덮개가 아닌 적응형 생성 추론을 보였다.