패션 검색을 위한 강력한 베이스라인: 사람 재식별 모델을 활용하여

패션 리트리ieval은 이미지 내 포함된 패션 아이템에 대한 정확한 매칭을 찾는 도전적인 작업이다. 옷차림의 세부적인 특성과 매우 큰 클래스 내 및 클래스 간 변동성으로 인해 이 작업은 어려움을 겪는다. 또한, 이 작업의 쿼리 이미지와 소스 이미지는 일반적으로 서로 다른 도메인에서 나온다—각각 거리 사진과 카탈로그 사진이다. 이러한 차이로 인해 도메인 간 품질, 조명, 대비, 배경의 혼잡함, 아이템의 전시 방식 등에서 상당한 격차가 존재한다. 결과적으로 패션 리트리ieval은 학계와 산업계 모두에서 활발한 연구 분야로 자리 잡고 있다.최근 사람 재식별(Person Re-Identification, ReID) 연구의 발전에 영감을 받아, 우리는 최첨단 ReID 모델들을 패션 리트리ieval 작업에 적합하도록 적응시켰다. 본 연구에서는 단순한 아키텍처를 가진 기초 모델을 제안하며, 기존 최고 성능 모델들을 크게 능가하는 성능을 달성하였다. 우리는 Street2Shop 및 DeepFashion 데이터셋을 대상으로 심층적인 실험을 수행하고 결과의 타당성을 검증하였다. 마지막으로, 패션 리트리ieval 모델의 견고성을 평가하기 위한 교차 도메인(교차 데이터셋) 평가 방법을 제안한다.