POP: 새로운 패션 제품의 잠재적 성능을 웹 기반 크로스 모달 쿼리 확장을 통해 발굴하기

우리는 신규 패션 제품 성능 예측(New Fashion Product Performance Forecasting, NFPPF) 문제를 위한 데이터 중심 파이프라인을 제안합니다. 이 문제는 과거 관찰 자료가 없는 완전히 새로운 의류 샘플의 성능을 예측하는 것을 의미합니다. 우리의 파이프라인은 단 하나의 이용 가능한 의류 샘플 이미지에서 시작하여, 과거에 특정 시점에 웹에 업로드된 관련 패션 또는 비패션 이미지를 조회함으로써 부족한 과거 데이터를 생성합니다. 이 웹 이미지는 확신 학습(confident learning)을 통해 강건하게 훈련된 이진 분류기를 사용하여 과거에 어떤 것이 패션적이었는지와 샘플 이미지가 얼마나 이러한 패션성에 부합하는지를 학습합니다. 이러한 부합도는 샘플이 더 일찍 출시되었다면 어느 정도 성공할 수 있었는지를 나타내는 잠재적 성능(POtential Performance, POP) 시계열을 생성합니다. POP는 최근 VISUELLE 패스트 패션 데이터셋에서 모든 최신 기법들의 판매 예측을 개선하는 데 매우 유용한 것으로 입증되었습니다. 또한, POP가 Fashion Forward 벤치마크에서 새로운 스타일(의류 아이템들의 조합)의 실제 인기度를 반영한다는 점을 보여주어, 우리에게 웹에서 학습된 신호가 진실한 인기 표현이며 누구나 접근 가능하고 언제든 분석에 일반화될 수 있음을 증명하였습니다.예측 코드, 데이터 및 POP 시계열은 다음 주소에서 확인할 수 있습니다: https://github.com/HumaticsLAB/POP-Mining-POtential-Performance注释:- "度" 在韩文中应为 "도"。这是翻译中的一个错误，正确的翻译如下：우리는 신규 패션 제품 성능 예측(New Fashion Product Performance Forecasting, NFPPF) 문제를 위한 데이터 중심 파이프라인을 제안합니다. 이 문제는 과거 관찰 자료가 없는 완전히 새로운 의류 샘플의 성능을 예측하는 것을 의미합니다. 우리의 파이프라인은 단 하나의 이용 가능한 의류 샘플 이미지에서 시작하여, 과거에 특정 시점에 웹에 업로드된 관련 패션 또는 비패션 이미지를 조회함으로써 부족한 과거 데이터를 생성합니다. 이 웹 이미지는 확신 학습(confident learning)을 통해 강건하게 훈련된 이진 분류기를 사용하여 과거에 어떤 것이 패션적이었는지와 샘플 이미지가 얼마나 이러한 패션성에 부합하는지를 학습합니다. 이러한 부합도는 샘플이 더 일찍 출시되었다면 어느 정도 성공할 수 있었는지를 나타내는 잠재적 성능(POtential Performance, POP) 시계열을 생성합니다. POP는 최근 VISUELLE 패스트 패션 데이터셋에서 모든 최신 기법들의 판매 예측을 개선하는 데 매우 유용한 것으로 입증되었습니다. 또한, POP가 Fashion Forward 벤치마크에서 새로운 스타일(의류 아이템들의 조합)의 실제 인기를 반영한다는 점을 보여주어, 우리에게 웹에서 학습된 신호가 진실한 인기 표현이며 누구나 접근 가능하고 언제든 분석에 일반화될 수 있음을 증명하였습니다.예측 코드, 데이터 및 POP 시계열은 다음 주소에서 확인할 수 있습니다: https://github.com/HumaticsLAB/POP-Mining-POtential-Performance