ファッション検索は、画像内に含まれるファッションアイテムに対して正確な一致を検出する挑戦的なタスクである。このタスクの難しさは、衣類アイテムの細粒度な特性に加え、クラス内およびクラス間の極めて大きな変動性に起因する。さらに、このタスクにおけるクエリ画像とソース画像は通常、異なるドメインから取得される——それぞれストリートフォトとカタログフォトである。これらのドメイン間には、品質、照明、コントラスト、背景の混雑度、アイテムの提示方法など、顕著なギャップが存在する。その結果、ファッション検索は学術界および産業界の両方で活発な研究分野となっている。最近の人物再識別（Person Re-Identification, ReID）研究の進展に着想を得て、本研究では最先端のReIDモデルをファッション検索タスクに適応させた。我々は、構造がはるかに単純であるにもかかわらず、従来の最先端手法を大きく上回る性能を示すシンプルなベースラインモデルを提案する。また、Street2ShopおよびDeepFashionデータセットを用いた詳細な実験を行い、その有効性を検証した。さらに、ファッション検索モデルのロバスト性を評価するためのクロスドメイン（クロスデータセット）評価手法を提案した。