POP: 新しいファッション製品の潜在的な性能をウェブ上のクロスモーダルクエリ拡張を通じて掘り下げる

私たちは、新規ファッション製品のパフォーマンス予測（New Fashion Product Performance Forecasting: NFPPF）問題に向けたデータ中心のパイプラインを提案します。つまり、過去の観測データが全くない新しい衣料品プローブのパフォーマンスを予測することです。当該パイプラインは、利用可能な単一の衣料品プローブ画像から欠落している過去データを生成します。まず、画像に関連付けられたテキストタグを拡張し、特定の過去時点にウェブ上にアップロードされた関連する流行または非流行画像を検索します。これらのウェブ画像に対して確信学習により堅牢な二値分類器が訓練され、過去に何が流行っていたか、そしてプローブ画像がその流行性の概念にどの程度適合しているかを学習します。この適合度によって生成される潜在的パフォーマンス（POtential Performance: POP）時系列は、プローブが以前から存在していた場合にどれだけ優れたパフォーマンスを発揮できたかを示します。POPは新規スタイル（衣料品アイテムの組み合わせ）の実際の人気度を反映しており、Fashion Forwardベンチマークにおいてもその有効性が示されています。これにより、私たちがウェブから学習した信号が真実的な人気度表現であり、誰でもアクセスでき、任意の分析時間帯に一般化可能であることが証明されます。予測コード、データおよびPOP時系列は以下のURLで公開されています：https://github.com/HumaticsLAB/POP-Mining-POtential-Performance